论文题目:
Zhu J, Li B, Wang J, et al. BGCL:Bi-subgraph network based on graph contrastive learning for cold-start QoS prediction[J]. Knowledge-Based Systems, 2023, 263: 110296.
问题:
通过利用用户和服务之间的历史交互记录,协同过滤(Collaborative filtering)成为了一种主流的QoS预测方法,但其往往存在数据稀疏和冷启动的困难。
解决办法:
提出了一种基于图对比学习的双子图网络,来解决冷启动QoS预测问题。
首先,基于稀疏的用户-服务双向图,生成不同的用户邻域子图和服务邻域子图;
其次,模型在生成的子图上执行图对比学习和图注意聚合机制,来获取用户embedding和服务embedding;
最后,将用户和服务的embedding喂入多层感知网络来预测QoS值。
结果:
实验结果表明,该模型在预测精度方面,优于现有的几种模型。
细节: