Улучшение эффективности рекомендательных систем через совмещение графовых нейронных сетей с методами обучения с подкреплением

В данной работе исследуется интеграции графовых нейронных сетей (GNN) и методов обучения с подкреплением (RL) для улучшения рекомендательных систем. Цель исследования заключается в создании новой гибридной модели GNN-RL, способной превзойти текущие лучшие показатели в области. В работе оцениваются три лучшие модели GNN на основе их производительности и инновационных характеристик, которые далее интегрируются с существующими методами RL. Проведенный анализ на нескольких реальных наборах данных(Gowalla, Yelp, Amazon-books) показывает, как различные архитектуры GNN и их модификации влияют на эффективность рекомендательных систем. Результаты работы демонстрируют значительное улучшение качества и эффективности рекомендаций, открывая новые перспективы для дальнейших исследований в данной области.

Hali tarjima qilinmagan