来源：期刊VIP网 时间：
作者：范利利;李然;王宁;王客程;吴江;
单位：大连海洋大学信息工程学院;
摘要：为了解决长序列推荐算法的准确率低和冷启动问题，提高推荐算法的性能，提出一种融合GCN与Informer的序列推荐算法VGIN。使用图卷积网络提取数据中节点之间的空间特征，引入Informer模型来处理数据潜在的时间依赖性，再将两种特征输入多层感知器得出预测评分，实现长序列预测，改善长序列推荐效果较差的问题；同时利用变分自编码器（VAE）填补用户的数据缺失，改善用户冷启动问题。实验结果表明：构建的VGIN模型与基线模型相比得到了最高的HR@20值（0.248 4）和NDCG@20值（0.113 7），与基线版本中最优的SASRec模型相比，NDCG@20值和HR@20值分别提高了约7.87%、8.24%。该模型能有效提高长序列推荐准确率，同时降低了用户冷启动对推荐准确率的影响。
关键词：序列推荐算法;;冷启动;;图卷积网络;;Informer模型;;变分自编码器;;特征提取
基金资助：中国医药教育协会2022重大科学攻关问题和医药技术难题重点课题（2022KTM036）
