基于图注意力网络表示学习的协同过滤推荐算法

针对传统的基于模型的协同过滤推荐算法不能有效利用用户与项目之间的属性信息和用户与项目之间的关系结构信息，提出了一种基于图注意网络的协同过滤推荐算法学习算法。该算法利用知识地图表示节点的属性特征信息和节点间的关系结构信息，研究了用户和项目同质网络上节点的图注意网络表示，得到了用户和项目的网络嵌入特征表示。最后，结合网络嵌入信息构建神经矩阵分解模型，得到推荐结果。在Movielens数据集上，将该算法与相关算法进行了比较，实验表明，该算法可以优化模型的推荐性能，提高推荐的召回率HR＠K和归一化损失累积增益ndcg＠K