Page 420 - 《软件学报》2025年第9期

钱忠胜 等: 利用伪重叠判定机制的多层循环 GCN 跨域推荐 4331

伪重叠判定机制模块
伪重叠判定机制
0.2
项目 0.05 0.2 最 0.1 0.15 0.05
0.02 0.2 0.3
源域 S 计 0.1 0.15 大 0.2 0.1
0.2 0.2 0.05 0.3 0.3
用户 算 0.3 0.1 化 社区网络图
模 社区网络训练 重
块 叠 计
社区 度 0.1 用 ... 算 相似度矩阵
超节点 相
联合域 O 增 0.3 0.07 0.25 户 ... 似
益 0.15 0.3 社 ...
0.3 ... 度
...
0.1
0.5 区 ... ... ...
0.3
0.3 社区超节点图
节点嵌入 用户社区
目标域 T
节 X u (k) X i (k) 动态阈值 a ui (k) a S S
a u Gating z u
点 +
嵌 θ(k) 聚合 S ˆ y ui
入 a (k) a i S
S
Gating + z i
...
θ(k) a u o
... ... Loss
... ... ... MLP
计算 a i o z u T
图 Gating +
θ(k)
学
获取初步偏好 动态剪枝 习 a u T
T ˆ y ui
T
z i
T Gating +
多层循环 GCN a i
多层循环图卷积网络模块 门控神经单元 模型预测模块
图 1 利用伪重叠判定机制的多层循环 GCN 跨域推荐框架

表 1 主要符号及含义

符号 含义 符号 含义
S
U , U T 源域/目标域用户集 U o 重叠用户集
S
I , I T 源域/目标域项目集 λ 重叠用户权重
Q 模块度 β 共同邻居权重
∆Q 模块度增益 K 预定义的嵌入传播深度
,
m 社区网络所有边权重和 X u X i 用户/项目嵌入矩阵
S
C 社区集 z , z T 源域/目标域组合特征向量
∑
in 社区c内部边权重和 S T 源域/目标域得分概率
c ˆ y , ˆ y
∑
tot
c 与社区c中节点相连边的权重和

给定两个域, 分别为源域 S 和目标域 T, 其中用户集部分重叠, 项目集不重叠, 源域/目标域用户集、源域/目标
S
S T
域项目集分别记为 U /U 和 T I /I . 源域-目标域联合相似度矩阵 W, 如公式 (1) 所示.

[ ]
W S 0
W = (1)
0 W T
T
S
其中, W 表示源域矩阵, W 表示目标域矩阵.
为更好地实现不同域信息的传递, 我们从用户群体出发, 对用户关系建模, 挖掘相似度高的用户群体, 通过联
合源域与目标域的用户-项目评分矩阵计算用户间的相似度, 如公式 (2) 所示.