计算机研究与发展

作者：刘昕悦,尹海莲,臧亚磊,吴文隆,卓俊男,徐凤如,陈吕莹,马维华,李博涵,

关键词：序列推荐, 可变形卷积, 图神经网络, 冷启动, 动态卷积,

序列推荐系统（sequentialrecommendationsystem，SRS）旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法，但仍然存在根本性的挑战.首先，随着在线服务的普及，推荐系统需要同时服务于热启动用户和冷启动用户.然而，由于难以从交互数据有限的序列中学习到有效的序列依赖关系，大多数依赖于用户-项目交互的现有模型失去了优势.其次，由于现实中用户意图的可变性和主观随机性，用户在其历史序列中的行为往往是隐含和复杂的，很难从这些用户-项目交互数据中捕获这种动态转变模式.提出了一种基于图插值和可变形卷积网络的序列推荐（graph-basedinterpolationsequentialrecommenderwithdeformableconvolutionalnetwork，GISDCN）模型.对于冷启动用户，将序列对象重新构建成图，并提取全局序列中的知识来推断用户可能的偏好.为了捕捉复杂的顺序依赖关系，使用可变形卷积网络来生成更健壮和灵活的卷积核.最后，在4个数据集上进行了综合实验，验证了模型的有效性.实验结果表明，GISDCN优于大多数主流的模型.

来源：2025年第10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2025年第10期