计算机研究与发展

作者：卢晓凯,封军,韩永强,王皓,陈恩红,

关键词：多行为建模, 序列推荐, 图神经网络, MLP架构, 全局物品图,

在多行为序列推荐领域，图神经网络（GNNs）虽被广泛应用，但存在局限性，如对序列间协同信号建模不足和处理长距离依赖性等问题.针对这些问题，提出了一种新的解决框架GraphMLP-Mixer.该框架首先构造全局物品图来增强模型对序列间协同信号的建模，然后将感知机-混合器架构与图神经网络结合，得到图-感知机混合器模型对用户兴趣进行充分挖掘.GraphMLP-Mixer具有2个显著优势：一是能够有效捕捉用户行为的全局依赖性，同时减轻信息过压缩问题；二是其时间与空间效率显著提高，其复杂度与用户交互行为的数量成线性关系，优于现有基于GNN多行为序列推荐模型.在3个真实的公开数据集上进行实验，大量的实验结果验证了GraphMLP-Mixer在处理多行为序列推荐问题时的有效性和高效性.

来源：2024年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2024年第8期