系统工程与电子技术

作者：王亚楠(), 梁如霞, 王晓康*, 柳叶, 王坚强()

单位：1. 中南大学商学院，湖南 长沙 410083；2. 华中师范大学 计算机学院，湖北 武汉 430079；3. 深圳大学管理学院，广东 深圳 518060

关键词：推荐系统,群推荐系统,聚合策略,图神经网络

基金：湖南省社会科学评审委员会重点项目（XSP18ZDI021）；湖南省研究生科研创新项目(CX20230132)资助课题

针对群推荐系统的数据稀疏性挑战，以及现有群推荐方法忽略群、群成员以及不同备选物品之间的复杂关联关系问题，提出一种基于图注意力网络的群推荐方法（group recommendation method based on graph attention network，GAT-GRM）。首先，将群推荐系统中群、群成员以及不同物品间的复杂关联刻画为层次关系图数据，包括用户?物品交互关系图、群组?用户包含关系图、群组?物品交互关系图等。其次，利用图注意力网络内在地聚合各类交互关系图，从历史交互数据中动态学习群偏好、用户偏好和物品特征。最后，基于群偏好、用户偏好和物品特征进行物品评分预测。实验结果表明，在CAMRa2011数据集上，GAT-GRM的性能显著优于各类基准算法。在稀疏度98.89%的群推荐任务下，GAT-GRM平均绝对偏差和均方根误差相较最优基准算法分别降低9.3%和9.6%。

来源：2026年第2期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第2期