融合注意力机制的图神经网络在社交网络推荐中的应用

打开文本图片集

中图分类号：TP183；TP391 文献标志码：A

0 引言

社交网络已从“信息传播载体”进化为“个性化服务入口”。截至2025年，全球主流社交平台月活跃用户超30亿，用户生成内容与交互数据爆发式增长[1]，“信息过载”问题凸显。社交推荐系统作为核心缓解技术，可挖掘用户社交关系与项目交互数据，补充传统协同过滤算法数据源，缓解数据稀疏性[2]但当前社交推荐系统面临三大挑战：一是存在“无效社交关系”，直接聚合易致用户偏好偏移；二是“用户-社交-项目”数据模态不同，传统模型简单融合，难捕跨模态高阶关联；三是用户兴趣动态多样，现有模型难协同建模短期与长期偏好，存在“信息割裂”局限。（剩余8033字）