计算机工程与科学

作者：李方, 吴国栋, 涂立静, 刘玉良, 查志康, 李景霞

单位：（安徽农业大学信息与计算机学院，安徽 合肥 230036）

关键词：图自编码器,推荐,无监督学习,半监督学习,

基金：国家自然科学基金(31671589)；安徽省重点研发计划（20194a06020056）；嵌入式系统与服务计算教育部重点实验室开放基金（ESSCKF202003）；智慧农业技术与装备安徽省重点实验室开放基金（APKLSATE2019X003）

图自编码器GAE是一种源自图神经网络的学习框架，在编码器中引入聚合邻域节点的思想，解码器对图结构数据进行解码，重构图结构数据；在模型中引入监督模块，可以提高图结构数据在模型中的嵌入完整性和数据生成的准确性；编解码可以采用不同的神经网络，从而利用不同神经网络的优点。近年来GAE推荐逐渐成为推荐系统研究的热点。从无监督学习与半监督学习方面分析了已有GAE推荐研究取得的进展；探讨了已有GAE推荐模型存在用户冷启动问题、可解释性差、模型复杂度高和难以处理数据的多源异构性等方面的问题；并从跨领域推荐，结合传统推荐方法，引入注意力机制，融合各类场景等研究方向对未来GAE推荐进行展望。

来源：2022年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第2期