GCN-MF: Una red de convolución gráfica basada en la factorización de matrices para recomendaciones

Con el desarrollo creciente de la tecnología de la información y el auge de los grandes datos, Internet ha entrado en la era de la sobrecarga de información. Mientras los usuarios disfrutan de la conveniencia que los grandes datos aportan a sus vidas diarias, también enfrentan cada vez más problemas de filtrado y selección de información. En este contexto, han surgido los sistemas de recomendación, y los sistemas de recomendación existentes no pueden lidiar de manera efectiva con el problema de la escasez de datos. Por lo tanto, este artículo propone una red de convolución gráfica basada en la factorización de matrices para recomendaciones. La capa de incrustación utiliza la factorización de matrices en lugar de la agregación de vecindario, y la capa de interacción utiliza redes neuronales de múltiples capas en lugar de productos internos simples. Finalmente, en el conjunto de datos público Movielens-1M, Yelp y Gowalla, NDCG y Recall son mejores que el modelo base existente, lo que alivia de manera efectiva el problema de la escasez de datos.