一种基于解耦和记忆的图协同过滤的推荐方法

摘要

本发明是一种基于解耦和记忆的图协同过滤的推荐方法，属于数据挖掘领域。首先，该方法利用ID和历史交互来表示用户和物品，得到用户和物品的表示向量，嵌入到整合层中，融合成用户和物品嵌入表示向量。其次，将嵌入的每个用户和物品向量通过基于解耦图神经网络的协同过滤框架，得到用户关于潜在意图的解耦表示，以及更新聚合特征后的用户物品的意图分块解耦特征。然后，在整合层中，引入门控循环单元，从用户和物品节点的高阶邻居中聚合完整的特征信息。继而引入独立模块，以激励不同意图之间的独立性。最后，构建损失函数以优化模型，预测用户意图与物品的对应情况。本发明结合了解耦和记忆的图协同过滤方法，能够有效分离出用户对于物品的不同意图，结合门控循环单元，能够学习到更加可解释的特征。