基于图神经网络的云制造服务推荐方法研究
董学文, 石宇强, 田永政
2023, 26 (5):
115-123,167.
doi: 10.3969/j.issn.1007-7375.2023.05.013
针对云制造服务平台上的海量制造服务信息所带来的信息过载问题,提出一种基于图神经网络的云制造服务推荐方法,有效克服了传统推荐方法无法利用数据高维特征的局限性。提取平台上制造服务资源的特征,根据不同的相似度计算方法将制造服务资源构建为网络图;利用邻居采样图神经网络 (graph sample and aggregate, GraphSAGE) 进行网络的表示学习,并将学习到的网络特征带入链接预测函数进行模型训练;通过对资源节点间的链接概率进行预测,完成对用户的制造服务推荐。结果表明,基于图神经网络算法的链接预测模型,其预测性能要优于所对比的共同邻居 (common neighbors, CN) 、Adamic-adar (AA) 与资源分配 (resource allocation, RA) 链接预测算法,从而取得较好的推荐效果,为解决云制造服务推荐问题提供理论依据,有助于提高用户的决策效率。
参考文献 |
相关文章 |
计量指标
|