【摘 要】
：
基于图神经网络的推荐算法是当前推荐系统核心技术之一。针对基于深层神经网络的推荐算法训练过程中易产生过拟合现象,进而导致算法推荐精准度降低的问题,提出了基于轻量图卷积网络（LightGCN）和DropEdge的推荐算法（LG-DropEdge）。首先,为了减少数据存储与计算成本,在算法的嵌入层初始化用户嵌入和项目嵌入;其次,为了获得高阶的交互关系来优化嵌入表示,在嵌入传播层通过注入高阶连通关系来丰富
论文部分内容阅读
基于图神经网络的推荐算法是当前推荐系统核心技术之一。针对基于深层神经网络的推荐算法训练过程中易产生过拟合现象,进而导致算法推荐精准度降低的问题,提出了基于轻量图卷积网络（LightGCN）和DropEdge的推荐算法（LG-DropEdge）。首先,为了减少数据存储与计算成本,在算法的嵌入层初始化用户嵌入和项目嵌入;其次,为了获得高阶的交互关系来优化嵌入表示,在嵌入传播层通过注入高阶连通关系来丰富嵌入,并在训练阶段利用DropEdge随机地丢弃连通关系（交互边）来防止过拟合;然后,为了合理聚合所有层上学习到的嵌入结果,将其做加权平均表示为最终的嵌入;最后,将用户最终嵌入表示与项目最终嵌入表示做内积来得到用户对项目的偏好。在三个公开的数据集进行实验,采用准确率（Precision）、召回率（Recall）和归一化折损累计增益（NDCG）三种性能指标进行评估。其中在Gowalla数据集中,相较于最优的基线方法,precision、recall和ndcg三个指标分别提升了3.04%、2.53%和2.39%。在Yelp2018数据集中,precision、recall和ndcg三个指标分别提升了6.36%、6.17%和5.58%。在Amazon-book数据集中precision、recall和ndcg三个指标分别提升了5.26%、4.82%和4.67%。结果表明:基于轻量图卷积网络和DropEdge的方法不仅可以降低图卷积网络的过拟合程度,还可以提升推荐结果的准确性。该论文有图18幅,表10个,参考文献67篇。
其他文献
对于深凹大型露天矿,随着矿坑开采深度不断地增加,原有的地下水渗流通道被人为改变,造成渗流场重新分布,重新分布后的渗流场极易导致露天矿边坡渗水和涌水的发生,造成严重的人员和财产损失,与此同时伴随着渗透水压的影响,边坡滑坡的风险明显增加,威胁矿区内正常的生产生活。论文以鞍钢齐大山铁矿西帮第四系地层为例,对研究区采用分布式高密度电法进行物探工作,采用钻探对渗水区进行水文地质验证。通过Visual MOD
我国的煤矸石产量和堆积量巨大,长期堆积的煤矸石在自然作用下,会引起众多环境问题。不同区域的煤矸石矿物成份不一样,在淋滤作用下,其污染物迁移有各自特点。高硫煤矸石（酸性）中污染物释放迅速,众多学者针对其特点进行了大量研究,由于碱性煤矸石对大多金属污染物释放有阻滞效应,对其关注较少。但在长期的降雨作用下,碱性物质不断消耗,最终会对环境造成污染,对此,本文针对碱性煤矸石重金属与碱度迁移规律进行了系统研究
自科教兴国战略提出以来,我国教育事业高速发展,高校学生数量逐年递增,了解高校室外热舒适状态,提高学生在校园室外空间的舒适性,是设计者和相关学者共同关注的问题。大学校园环境与城市环境关系密切,随着我国城市化进程加快,城市规模扩大,城市热岛效应加剧,室外环境问题相继出现。由于高校有着不同于城市其他空间的使用功能,所以对高校室外环境有更高的使用要求。我国对于校园室外热舒适研究主要集中于较大的城市,对于较
推荐系统得益于其主动推荐的特性,成为大数据时代下解决信息过载问题的有效手段,在各领域都得到了广泛应用。尽管相关领域的专家学者已对推荐系统展开了深入研究,但仍存在着多方面问题制约其推荐效果。一方面,由于推荐算法存在着局限性,数据稀疏环境下,无法给用户生成满意的推荐结果;另一方面,多数推荐算法只基于评分数据进行用户最近邻的查找,未将用户对项目类型的历史偏好考虑在内,数据参照的单一性致使推荐质量较差。为
我国西部地区矿井建设过程常遭遇侏罗系和白垩系软岩地层,该类地层岩石具有强度低、胶结性差遇水易崩解泥化等问题,当矿井穿过该类地层时,工程岩体因地质构造或工程力的作用而形成富水软岩,对地下结构的稳定性具有不利影响。特别是开采过程中富水围岩应力场重新调整过程将改变岩体原有的应力状态和应力路径,影响围岩力学响应、裂隙扩展方向和扩展深度,甚至产生裂缝贯穿,进而引发地下硐室失稳、基坑失效和滑坡等工程灾害。给矿
为了从庞大的数据资源中提取人们所需要的有效信息,所用的数据挖掘技术受到不同领域诸多专家越来越多的关注。数据挖掘最常用的技术是聚类分析,它是一种无监督方法,在聚类分析很多著名算法中,K-Means算法由于具有简单、高效、伸缩性好的优点得到广泛应用,但它也存在一定的局限性。一是该算法随机确定初始聚类中心,导致迭代次数过多,聚类精度不高,甚至聚类失败;二是算法对各样本对象进行相似性计算时,忽视了不同特征
近几年来,以地铁为代表的地下结构迅速发展,已经成为缓解城市交通压力的主力军。地铁以其运输承载量大、运行效率高、环境破坏少等特点,迅速跻身成为城市交通的主导力量,它的应用节约了地上资源,推进了城市的可持续发展。随着地铁在大中型城市的广泛应用,其在地震发生时的安全问题也日渐突出。地下结构破坏的案例中,最著名的是1995年发生在日本神户地震中地铁破坏的案例,此后,2018年我国四川汶川地震中也有一些地下
语义分割作为计算机视觉中一项场景解析推理任务,通过将图像逐像素分类标记为不同类别,从而解决现实场景理解难题。在复杂街景图像分割应用中,聚合多尺度目标上下文相关性,关联语义类别,有利于提高语义分割的推理准确性。本文致力于解决街景图像中语义分割目标比例变化多样性和预测结果不准确的问题,基于Deep Lab网络模型系列,提出了一种语义分割网络模型算法。针对编解码语义分割网络模型中深度卷积神经网络计算复杂
随着人口老龄化问题的加重,需要看护的老年人比例大幅度增加,再加上肢体残疾的人数的增多,助老助残成为现阶段亟待解决的社会问题。随着科技的发展,先进代步工具的出现正在逐步地改善着他们的生活质量,智能轮椅是就是其中重要的一种。智能轮椅的出现,可以提高老年人和残疾人的生活质量。而智能轮椅的避障和路径规划是其研究的核心内容。本文基于Webots机器人仿真软件提出了智能轮椅的避障和路径规划仿真平台,利用Web