个性化推荐在电子商务和广告等领域得到了广泛应用，通过提高用户体验和推动业务增长，在推荐系统中扮演着重要角色。传统的协同过滤算法假设具有相似行为的用户会对相同的物品有相似的偏好，但这种方法通常面临数据稀疏问题，这使得有效捕捉用户行为和兴趣变得十分困难。
随着图神经网络（GNN）在推荐系统中的应用，研究者们提出了许多基于图的推荐方法。图神经网络通过图结构将用户、物品及其之间的交互关系进行建模，从而能够捕捉到更丰富的用户兴趣特征和物品属性信息。尽管GNN在推荐系统中展现了强大的潜力，现有的方法仍然存在一些不足之处。首先，许多模型在处理节点间的交互时，采用简单的加权求和方式进行邻居信息聚合，忽视了节点间复杂的局部交互关系，这使得信息传递过程中的有效性和准确性受限。其次，现有的GNN模型大多专注于全局结构，却缺乏对局部信息的充分捕捉，未能深入建模节点之间多层次的关系，进而制约了模型性能的进一步提升。
模型主体框架图
针对上述问题，我院青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室的骨干成员苏喻提出了一种轻量级双线性图卷积网络（LBGCN）。该模型引入了多层次聚合器和局部特征聚合器，有效地捕捉了用户与物品节点之间更复杂的交互关系。具体而言，多层次聚合器通过多层信息聚合，能够捕捉图中更广泛的结构信息，而局部特征聚合器则专注于捕捉邻居节点之间的局部交互，从而解决了传统方法中忽视局部关系的问题。此外，本文设计了一种多通道交叉注意力机制，能够在不同层次的特征中自动识别并融合重要信息，进一步增强了模型的表示能力。通过这些创新设计，LBGCN模型不仅在提高推荐精度方面表现优异，而且在保证轻量化和易于训练的同时，提升了结果的可解释性。经过在多个公开数据集上的广泛实验验证，LBGCN在多个推荐任务中均展现了优越的性能。
论文在线发表情况
相关成果以“Lbgcn: Lightweight bilinear graph convolutional network with attention mechanism for recommendation”为题发表在期刊Applied Intelligence上。该期刊为中国科学院大类二区期刊，影响因子为3.4。新普京澳门娱乐场网站为论文的第一单位，青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院苏喻为论文第一作者。
该研究工作得到安徽省高校协同创新项目、青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室开放课题等项目支持。（青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院）
