摘要
基于图卷积网络的两阶段协同过滤多行为推荐方法,属于计算机技术领域,将多行为推荐划分成两阶段的任务,分别捕获用户的偏好以及挖掘不同行为间的联系。用户在不同行为中表现出来的偏好反映了该用户某方面的喜好,并且用户在单一行为中表现出来的偏好一定包含于用户整体偏好之中。模型通过对两阶段任务的交替学习,实现了捕获用户偏好和挖掘行为间联系的解耦,缓解了为适配不同任务而引起的信息损失问题。为了评估本技术方案所提模型的有效性,经过广泛的实验表明,本模型的性能显著优于最优基准推荐模型。与最优基准方法相比,推荐准确性在两个数据集上的平均提升分别达到了103.01%和33.87%。