来源：期刊VIP网 时间：
作者：郑升旻;胡林发;漆鑫鑫;
单位：昆明理工大学信息工程与自动化学院;
摘要：协同排名方法是一类直接优化推荐项目序列的推荐方法，但在显式评分场景中，现有的协同排名算法对用户和项目间的交互信息利用不足，使用的交互函数对用户和项目间的非线性交互关系建模不充分。针对此问题，提出一种融合成对损失函数与分级图卷积网络的协同排名模型。首先根据评分数据构造用户和项目的分级异质交互二部图以及项目间的成对比较集合；之后利用分级图卷积网络挖掘用户和项目间的异质交互关系，并设计相应的自连接操作；接着利用神经网络融合辅助信息以构造两者的嵌入表示，结合神经网络与内积构造用户项目间的交互函数以建模非线性关系；最后基于成对比较数据优化模型，提升模型预测排名质量。在多个公开数据集上与同类方法的对比实验结果表明，所提算法预测排名质量较优。
关键词：协同排名;;成对损失函数;;图卷积神经网络;;异质交互图;;自连接;;非线性关系
