{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2023,11,14]]，“日期-时间”：“2023-11-14T00:32:55Z”，“时间戳”：1699921975326}，“引用-计数”：34，“发布者”：“MDPI AG”，“问题”：“11”，“许可证”：[{“开始”：{:“日期-零件”：[2023,11,10]]，”日期-时间“：”202 3-11-10T00:00:00Z“，“时间戳”：1699574400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“name”：“San Jos\u00e9州立大学”，“奖项”：[“22-RSG-08-034”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}，”short-container-title“：[”Algorithmics“]，”abstract“：”推荐系统彻底改变了用户发现和参与内容的方式。除了协作过滤方法之外，大多数现代推荐系统还利用了其他信息来源，如上下文和社交网络数据。这样的数据可以使用图形进行建模，图形神经网络的最新进展导致了一系列新的基于图形的推荐系统算法的出现。在这项工作中，我们提出了RelationalNet算法，该算法不仅用图形建模用户\u2013item和用户\u2013用户关系，还用图形建模item\u2013项目关系，并将其用作推荐过程的输入。利用项目\u2013项目交互的基本原理是通过利用项目之间的相似性来丰富项目嵌入。通过使用图形神经网络（GNN），RelationalNet将社会影响和类似项目影响纳入推荐过程，并捕获更准确的用户兴趣，特别是当传统方法因数据稀疏而无法满足要求时。此类模型通过利用社交关系和项目交互来提高推荐系统的准确性和有效性。结果表明，RelationalNet优于当前最先进的社会推荐算法<\/jats:p>“，”DOI“：”10.3390\/a16110515“，”type“：”journal-article“，”created“：{”date-parts“：[2023,11,13]]，”date-time“：”2023-11-13T07:46:47Z“，”timestamp“：1699861607000}，”page“：“作者”：[{“给定”：”Dharahas“，”family“：”Tallapally“，”sequence“：”first“，”affiliation“：[{”name“：”San Jos\u00e9州立大学计算机科学系，San Jos\u00e8，CA 95192，USA“}]}，{”given“：”John“，”家庭“：”Wang“，”序列“：”additional“，”filiation]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-0332-1347”，“authenticated-ORCID”：假，“给定”：“Katerina”，“family”：“Potika”，“sequence”：“additional”，“affiliation”：[{“name”：“San Jos\u00e9 State University，San Jos\u00e8，CA 95192，USA”}]}，{《ORCID》：“http://ORCID.org\/000-0002-4711-3366”，“authenticated-ORCID“：false，“给定”：“Magdalini”，“family”：“Eirinaki”，“sequence”：“additional”，“affiliation”：[{“name”：“San Jos\u00e9州立大学计算机工程系，San Jos\u00e8，CA 95192，USA”}]]，“member”：“1968”，“published-online”：{“date-parts”：[2023,11,10]}，“reference”：[}“key”：“ref_1”，“doi-asserted-by”：”crossref“，“unstructured”：“Ma，H.，Zhou，D.，Liu，C.，Lyu，M.R.，and King，I.（2011年1月9日\u201312）。社会规范化推荐系统。第四届ACM网络搜索和数据挖掘国际会议论文集，WSDM\u201911，中国香港。”，“DOI”：“10.1145\/1935826.1935877”}，{“key”：“ref_2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gulati，A.和Eirinaki，M.（2019年1月13日\u201317）。在我朋友（及其朋友）的小小帮助下：影响邻居的社会推荐。万维网会议论文集，WWW\u201919，美国加利福尼亚州旧金山”，“DOI”：“10.1145\/3308558.3313745”}，{“key”：“ref_3”，“unstructured”：“Easley，D.和Kleinberg，J.（2012）。网络、人群和市场，剑桥图书。”}，{“key”：“ref_4”，“doi-asserted-by”：“crossref”，“unstructured”：“He，X.，Liao，L.，Zhang，H.，Nie，L.、Hu，X.and Chua，T.S.（2017年1月3日\u20137）。神经协同过滤。第26届万维网国际会议论文集，WWW\u201917，澳大利亚珀斯。“，”DOI“：”10.1145\/3038912.3052569“}，{”key“：”ref_5“，”DOI-asserted-by“：”crossref“，”unstructured“：”Cheng，H.T.，Koc，L.，Harmsen，J.，Shaked，T.，Chandra，T.、Aradhye，H.、Anderson，G.、Corrado，G.，Chai，W.和Ispir，M.（2016年1月15日）.推荐系统的广泛和深度学习。推荐系统深度学习第一次研讨会论文集，美国马萨诸塞州波士顿”，“DOI”：“10.1145”，{“key”：“ref_6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Covington，P.，Adams，J.，and Sargin，E.（2016年1月15日，201319）。youtube推荐的深度神经网络。第十届ACM推荐系统会议论文集，美国马萨诸塞州波士顿journal-title“：”ACM计算。Surv公司。（CSUR）“}，{“key”：“ref_8”，“首页”：“1”，“文章标题”：“推荐系统中的图形神经网络：调查”，“卷”：“55”，“作者”：“Wu”，“年份”：“2022”，“期刊标题”：“ACM Comput.Sur.”}，{“key”：“ref_9”，“doi断言由”：“crossref”，“非结构化”：“Tallapally，D.，Sreepada，R.S.，Patra，B.K.和Babu，K.S.（2018年1月2日\u20137）.使用堆叠自动编码器的多标准建议中的用户偏好学习。第十二届ACM推荐系统会议记录，RecSys\u201918，加拿大不列颠哥伦比亚省温哥华。“，”DOI“：”10.1145\/3240323.3240412“}，{”key“：”ref_10“，”DOI-asserted-by“：”crossref“，”unstructured“：”Wang，S.，Hu，L.，Wang，Y.，He，X.，Sheng，Q.Z.，Orgun，M.A.，Cao，L.、Ricci，F.和Yu，P.S.（2021,19\u201326）基于图形学习的推荐系统：综述。第三十届国际人工智能联合会议记录，IJCAI-21，测量轨道，加拿大魁北克省蒙特利尔。“，”DOI“：”10.24963\/ijcai.2021\/630“}，{”key“：”ref_11“，”DOI-asserted-by“：”crossref“，”unstructured“：”Fan，W.，Ma，Y.，Li，Q.，He，Y.Zhao，E.，Tang，J.，and Yin，D.（2019，January 13\u201317）.Graph Neural Networks for Social Recommendation.Proceedings of the World Wide Web Conference，WWW\u201919，San Francisco，CA，USA“，DOI”：“10.1145\/3308558.3313488“}，{“key”：“ref_12”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu，L.，Sun，P.，Fu，Y.，Hong，R.，Wang，X.，and Wang，M.（2019，January 21\u201325）社会推荐的神经影响扩散模型。第42届ACM SIGIR信息检索研究与开发国际会议论文集，SIGIR\u201919，法国巴黎。“，”DOI“：”10.1145\/3331184.331214“}，{”key“：”ref_13“，”DOI-asserted-by“：”crossref“，”first page“：“4753”，“DOI”：“10.1109\/TKDE.2020.3048414”，“article-title”：“DiffNet++：社会推荐的神经影响和利益扩散网络”，“volume”：“34”，“author”：“Wu”，“year”：“2022”，“journal-title“：”IEEE Trans.Knowl.Data Eng.“}”，{“键“：”ref_14“，”doi-asserted-by“：”crossref“，”first page“：”2789“，”doi“：”10.1109\/TKDE.2014.2300487“，”article-title“：”带社会背景信息的可扩展推荐“，”volume“：“26”，”author“：”Jiang“，“year”：“2014”，”journal-title”：“IEEE Trans。知识。Data Eng.“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first page“：“1113”，”doi“：”10.1007\/s13278-013-0141-9“，“article-title”：“Social recommendation:A review”，“volume”：“3”，“author”：“Tang”，“year”：“2013”，“journal-title“：”Soc.Netw.Anal.Min.“：”413“，”doi“：”10.1016\/j.future.2017.09.015“，”article-title“：“大型社交网络推荐系统：挑战与解决方案综述”，“卷”：“78”，“作者”：“艾里纳基”，“年份”：“2018年”，“新闻标题”：“未来一代”。计算。系统。“}，{”key“：”ref_17“，”doi-asserted-by“：”crossref“，”first-page“：”415“，”doi“：”10.1146“/annurev.soc.27.1415”，”article-title“：”羽毛鸟：“社交网络中的同性恋”，“volume”：“27”，“author”：“McPherson”，“year”：“2001”，“journal-title”：“Annul.Rev.Social.”}，”{“key”：“crossref”，“unstructured”：翁·J、林·E、江·J和何·Q（2010年1月4日\u20136）。TwitterRank：寻找话题敏感且有影响力的推特用户。第三届网络搜索和网络数据挖掘国际会议论文集，WSDM 2010，美国纽约州纽约市.社交网络中的影响和关联。第十四届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD\u201908，美国内华达州拉斯维加斯”，“DOI”：“10.1145\/1401890.1401897”}，{“key”：“ref_20”，“DOI-asserted-by”：“crossref”，“first-page:”57“，“DOI:”10.1016\/j.aiopen.2021.01.001“，“article-title”：“图形神经网络：方法和应用综述”volume“：”1“，”author“：”Zhou“，”year“：”2020“，”journal-title“：”AI Open“}，{“key”：“ref_21”，“doi-asserted-by”：“crossref”，“first-page”：“498”，“doi”：“10.1109\/TNN.2008.2010350”，“article-title”：“图的神经网络：一种上下文建构方法”，“volume”：”20“，”author“:”Micheli“，“year”：“2009”，“journal-title”“：”IEEE Trans.Neural Netw.“}，{”键“：”ref_22“，”doi-asserted-by“：”crossref“，”unstructured“：”Ying，R.，He，R.、Chen，K.、Eksombatchai，P.、Hamilton，W.L.和Leskovec，J.（2018年1月19日\u201323）。网络规模推荐系统的图卷积神经网络。第24届ACM SIGKDD知识发现和数据挖掘国际会议论文集，英国伦敦。”，“DOI”：“10.1145\/3219819.3219890”}，{“key”：“ref_23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gulati，A.和Eirinaki，M.（2018年1月10日\u201313）.基于社交图的建议的影响传播。IEEE国际大数据会议论文集（IEEE BigData 2018），美国华盛顿州西雅图”，“DOI”：“10.1109\/BigData.2018.8622213”}，{“key”：“ref_24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Jamali，M.和Ester，M.（2010年1月26日\u201330）一种用于社交网络推荐的信任传播矩阵分解技术。第四届ACM推荐系统会议记录，西班牙巴塞罗那。“，”DOI“：”10.1145\/1864708.1864736“}，{”key“：”ref_25“，”DOI-asserted-by“：”crossref“，”unstructured“：”Levy，O.，and Goldberg，Y.（2014年1月22日\u201327）.基于依存关系的单词嵌入.美国马里兰州巴尔的摩市计算语言学协会第52届年会论文集（第2卷：短文），“DOI”：“10.3115\/v1\/P14-250“}，{“key”：“ref_26”，“doi-asserted-by”：“crossref”，“首页”：“1”，“doi”：“10.1145\/2168752.2168771”，”article-title“：“带LibFM的因式分解机器”，“volume”：”3“，”author“：“Rendle”，“year”：“2012”，“journal-title”：“ACM Trans.Intell.Syst.Technol.”}，“key“：”ref_27“，”非结构化“：”Rendle，S.、Freudenthaler，C.、Gantner，Z.和Schmidt-Thieme，L.（2009年1月18日\u201321）。BPR：来自隐含反馈的贝叶斯个性化排名。第二十五届人工智能不确定性会议论文集，UAI\u201909，美国弗吉尼亚州阿灵顿Mikolov，T.、Chen，K.、Corrado，G.和Dean，J.（2013年1月2日）。向量空间中单词表示的有效估计。《第一届学习表征国际会议论文集》，2013年，美国亚利桑那州斯科茨代尔。系统。“}，{”key“：”ref_31“，”doi-asserted-by“：”crossref“，”unstructured“：”Chavan，N.，and Potika，K.（2020，January 10\u201313）。使用三角形嵌入进行高阶链接预测。2020 IEEE国际大数据会议论文集（大数据），美国佐治亚州亚特兰大“，”doi“：”10.1109\/BigData50022.2020.9377750“}”，{“key”：“ref_32”，“doi由“：”crossref“，”非结构化“断言：”Anjan，K.，Andreopoulos，W.和Potika，K.（2021年1月15日\u201318）。使用全局向量和Hasse图预测高阶链接。2021年IEEE国际大数据会议论文集，美国佛罗里达州奥兰多”，“DOI”：“10.1109\/BigData52589.2021.9671432”}，{“key”：“ref_33”，“DOI-asserted-by”：“crossref”，“unstructured”：“Eirinaki，M.，Moniz，N.，and Potika，K.（2016年1月8日\u201310）.社交网络中推荐的基于阈值的影响支配集。2016年IEEE大数据和云计算（BDCloud）、社会计算和网络（SocialCom）、可持续计算和通信（SustainCom）国际会议记录，2016年，美国佐治亚州亚特兰大，“DOI”：“10.1109”，{“key”：“ref_34”，“DOI-asserted-by”：“crossref”，“非结构化”：“Kaple，M.、Kulkarni，K.和Potika，K.（2017年1月6日\u20139）。智慧城市病毒营销：社交网络社区的影响者。第三届IEEE大数据计算服务和应用国际会议论文集，BigDataService 2017，美国加利福尼亚州红木市”，“DOI”：“10.1109\/BigDataService.2017.46”}]，“container-title”：[“Algorithms”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/www.mdpi.com\/1999-4893\/16\/11\/515\/pdf”，“content-type”：“unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,11,13]]，”date-time“：”2023-11-13T08:30:16Z“，”timestamp“：1699864216000}，”score“：1，”resource“：{primary“：”{“URL”：“https:\\/www.mdpi.com\/1999-4893\/11\/515”}，“subtitle”：[]，“shorttitle”：[]，“已发布”：{“日期部分”：[[2023,11,10]]}，“references-count“：34，”journal-issue“：{”issue“：”11“，”published-online“：{”date-parts“：[2023,11]]}}，”alternative-id“：[”a16110515“]，”URL“：”http://\/dx.doi.org\/10.3390\/a16110515“主题”：[]，“发布”：{“日期部分”：[[2023,11,10]]}}