基于异质信息网络表示学习的推荐方法研究

发布时间：2022-12-18 10:18

　　推荐系统的主要功能是根据已有的用户交互信息向用户主动地推荐符合用户兴趣偏好的信息或商品,在大多数电子商务网站取得了广泛的应用,推荐算法性能的优劣将直接影响到用户的体验以及商家的收益。然而,大多数推荐算法的性能都容易受到冷启动和数据稀疏问题的影响。为了缓解该问题,常用的方法是引入额外的辅助信息来提升推荐系统的性能。近年来,由于推荐系统中存在着丰富的节点和边的关系,自然构成了一个异质信息网络,利用异质信息网络建模推荐系统进行推荐取得了较好的效果。但是目前大多数算法只利用了基于元路径相似度的方法,不能有效利用网络的高阶相似度,并且多数算法不能很好地将多条元路径下的高阶相似度进行高效地融合。此外,在局部低秩子矩阵划分问题上,现有的工作大多基于随机选取锚点并进行子矩阵的划分,不能很好地利用异质信息网络的丰富语义信息,如何结合异质信息网络去更好地划分子矩阵并有效选择锚点是一个值得研究的问题。针对上述问题,本文的主要工作如下:1.提出了基于矩阵分解的协同过滤模型和异质信息网络表示学习结合的框架HRLRec。该模型能够同时利用用户、商品的隐含表示和多个元路径下的有机融合后的高阶相似度共同预测评分,并使... 

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

网络模式示例图

元路径如果节点序列(,,,)

豆瓣电影数据集的网络模式


本文编号：3721875