摘要
摘要
随着互联网的发展，数据量激增，用户在面对大量数据时不知如何去选择，这时
推荐算法应运而生。推荐算法主要是通过计算用户或项目的相似度来挖掘用户潜在的
偏好与需求，为用户进行有效推荐。在现有的推荐算法中，存在严重的数据稀疏问题
以及无法捕捉用户-项目交互的高阶协同信号。而且现在的推荐数据是各种类型的，
包括用户-项目交互（评分、点击、购买）、用户项目属性信息（性别、年龄、收入、
品牌、类别、价格），传统的推荐算法无法利用这种多种形式的数据，传统算法通常
只关注一个或者几个特定的数据源，同时也忽略了用户历史交互的时序信息，导致推
荐性能不理想。本文设计一系列基于图神经网络的推荐方法。具体研究内容如下：
1.针对传统推荐算法无法进行个性化推荐以及无法捕捉用户交互的高阶协同信
号问题，本文提出了基于用户长短期兴趣的图神经网络推荐方法模型，该模型引入知
识图谱挖掘项目描述与图谱中实体以及上下文实体之间的潜在联系，并通过组成多通
道词向量嵌入进行项目特征提取。对于用户嵌入，利用图神经网络建模用户的长期兴
趣偏好，并堆叠传播层迭代聚合更新用户嵌入表示。同时通过用户最近点击历史项目
对用户下次行为的影响来建模用户的短期偏好，最后融合用户长短期偏好进行预测。
2.将用户时序特征和异质图神经网络进行融合，提出一种融合时序信息的异质图
神经网络推荐模型SRCF，该模型能够有效的解决数据稀疏问题和动态偏好问题。充
分利用高阶异质协同信号和用户历史交互的时序特征，从而更好的满足用户的需求。
首先通过新增项目属性信息，建立一个包含属性的异质信息网络。采用双重注意力机
制来区分不同类型的不同邻居节点对项目节点重要性，以此来缓解数据稀疏性，并提
供丰富的语义信息。对于用户特征表示，通过融合位置信息的自注意力机制来挖掘用
户历史交互的时序信息，捕捉用户动态偏好。
3.最后，将提出的两种基于图神经网络的推荐方法应用于推荐系统，实现新闻推
荐。首先对用户、新闻初始数据进行预处理，初始化为可训练数据，搭建出基于图神
经网络的推荐系统环境，通过调用模型层中的推荐算法进行计算，根据用户要求生成
推荐列表。数据库使用MySQL数据进行数据存储，后端框架使用Django框架开发，
前端使用VUE框架开发，前端效果展示使用Bootstrap进行渲染。
关键词：推荐系统；图神经网络；异质图神经网络；时序信息；注意力机制
论文类型：应用研究
I
目录
目录
11
第章绪论
1.1研究工作的背景与意义1
1.2国内外研究现状2
1.3本文的主要贡献5
1.3.1基于用户长短期兴趣的图神经网络推荐方法5
1.3.2融合时序信息的异质图神经网络推荐方法6
1.3.3基于图神经网络的新闻推荐系统6
1.4论文结构安排6
28
第章相关技术与理论
2.1推荐算法8
2.1.1推荐算法定义8
2.1.2推荐算法分类8
2.2图神经网络12
2.2.1图神经网络定义12
2.2.2图采样网络和图注意力网络14
2.3异质信息网络15
2.3.1异质信息网络定义15
2.3.2异质信息网络基础16
2.4本章小结17
第3章基于用户长短期兴趣的图神经网络推荐方法18
3.1引言18