轻量图卷积注意力网络

轻量高效

同时捕捉用户静态与动态偏好,兼顾效率与推荐性能。

Wang, Ruiqin · 楼俊钢 · Jiang, Yunliang

Expert Systems with Applications 2023

技术优势

更轻量

静态偏好只用邻域聚合的 GCN，省掉了特征变换和非线性激活，计算量大减。

能学动态

基于最近交互的物品，用时间感知的 GAT 捕捉用户短期、动态的偏好。

推荐更准

静态与动态偏好组合后送入双通道 DNN 做特征交互，提升了匹配分数预测。

应用场景

• 个性化推荐：直接接入现有系统，同时捕捉长期兴趣与当前意图，提升推荐点击率。
• 用户建模：用一个模型同时得到用户的稳定画像和实时偏好向量，供下游任务使用。
• 图表示学习：用轻量 GCN 学到物品和用户的高效图嵌入，替代传统 GAT 的复杂计算。