隨著互聯(lián)網(wǎng)上信息和內(nèi)容的爆炸式增長(zhǎng),我們進(jìn)入了一個(gè)“信息過(guò)載”的時(shí)代。人們難以迅速有效地找到自己所需的內(nèi)容或項(xiàng)目,因此推薦系統(tǒng)應(yīng)運(yùn)而生,通過(guò)對(duì)用戶偏好和項(xiàng)目特征的建模幫助人們挖掘他們可能感興趣的內(nèi)容或項(xiàng)目。早期的推薦系統(tǒng)僅考慮了用戶的歷史行為,可能導(dǎo)致用戶和項(xiàng)目建模產(chǎn)生偏差,影響推薦效果。近年來(lái),很多研究利用用戶和項(xiàng)目的輔助信息來(lái)提高推薦算法的性能。在現(xiàn)實(shí)的推薦系統(tǒng)中,用戶、項(xiàng)目及其輔助信息可以看做不同類型的對(duì)象,這些對(duì)象間存在不同類型的關(guān)系（如用戶對(duì)項(xiàng)目的購(gòu)買關(guān)系,項(xiàng)目與其屬性的所屬關(guān)系）,這些多種類型的對(duì)象和關(guān)系就形成了一個(gè)異質(zhì)信息網(wǎng)絡(luò)�；诋愘|(zhì)信息網(wǎng)絡(luò)的推薦算法由于能夠自然且有效地對(duì)復(fù)雜信息進(jìn)行建模,引起了人們的注意�；诋愘|(zhì)信息網(wǎng)絡(luò)的算法多數(shù)首先利用多條元路徑從不同的角度抽取異質(zhì)網(wǎng)絡(luò)上用戶和項(xiàng)目間的豐富語(yǔ)義信息,然后進(jìn)行推薦。雖然已有方法取得了一定的效果提升,但大多數(shù)方法存在以下問(wèn)題之一:1)他們?cè)诿織l元路徑上獨(dú)立的抽取信息并對(duì)用戶和項(xiàng)目進(jìn)行建模,當(dāng)某些元路徑上的數(shù)據(jù)比較稀疏或噪音較大時(shí),信息抽取存在誤差;2)在探索異質(zhì)信息網(wǎng)絡(luò)的過(guò)程中,對(duì)用戶和項(xiàng)目的建模目標(biāo)僅是挖掘網(wǎng)絡(luò)上的結(jié)... 

【文章來(lái)源】：北京大學(xué)北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)圖示

北京大學(xué)碩士學(xué)位論文不同的元路徑下的相似性不同�；谠窂剑琒un (Sun et al., 201im 方法，可以衡量?jī)蓚�(gè)相同類型節(jié)點(diǎn)在對(duì)稱元路徑上的相似性。性的限制，Lao 和 Cohen (Lao et al., 2010a, 2010b)提出了限定路徑）方法來(lái)衡量不同類型節(jié)點(diǎn)在非對(duì)稱元路徑上的相似性。為了衡量點(diǎn)間的相似性關(guān)系，Shi (Shi et al., 2014)提出了 HeteSim 方法并給。在 HeteSim 的基礎(chǔ)上，為了降低時(shí)間和空間復(fù)雜度，Meng (M利用給定元路徑及其逆向路徑下的兩個(gè)隨機(jī)游走過(guò)程衡量節(jié)點(diǎn)間徑同樣也存在問(wèn)題。以圖 2.2 情況為例，元路徑“用戶→評(píng)價(jià)→可以捕捉用戶 1 和用戶 2 間的語(yǔ)義關(guān)系，因?yàn)樗麄兌冀o阿凡達(dá)寫”的標(biāo)簽。但是如果想捕捉兩個(gè)用戶都給電影打了相同的標(biāo)簽的同評(píng)分的關(guān)系，元路徑就無(wú)能為力。近兩年，F(xiàn)ang 和 Huang(Fang al., 2016)提出了使用元結(jié)構(gòu)（或元圖）來(lái)表示異質(zhì)信息網(wǎng)絡(luò)中的節(jié)路徑不能表示的復(fù)雜語(yǔ)義關(guān)系。

圖 2.3 異質(zhì)信息網(wǎng)絡(luò)中基于分解的表征學(xué)習(xí)方法基于分解的方法采用“分而治之”的思想，基于元路徑、元結(jié)構(gòu)等方法，將網(wǎng)絡(luò)分解成幾個(gè)簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)（如同質(zhì)信息網(wǎng)絡(luò)），再分別進(jìn)行網(wǎng)絡(luò)表征將不同簡(jiǎn)單網(wǎng)絡(luò)上的表征融合起來(lái)，如圖 2.3 所示，其中使用鄰接矩陣表示網(wǎng)絡(luò)， 表示在基于第 條元路徑分解得到的同質(zhì)信息網(wǎng)絡(luò)上進(jìn)行學(xué)習(xí)，得到入表示， 表示融合后節(jié)點(diǎn)最終的嵌入表示。同質(zhì)信息網(wǎng)絡(luò)的表征學(xué)習(xí)領(lǐng)域已有較多工作。DeepWalk (Perozzi et al., 2014) 的隨機(jī)游走與 Skip-Gram (Mikolov et al., 2013) 結(jié)合起來(lái)，學(xué)習(xí)節(jié)點(diǎn)的嵌入表DeepWalk 的基礎(chǔ)上，node2vec(Grover et al., 2016)改進(jìn)了隨機(jī)游走的策略，以到局部和宏觀的信息。Line (Tang et al., 2015) 認(rèn)為兩個(gè)節(jié)點(diǎn)的相似性可以從和上下文相似性兩個(gè)角度進(jìn)行考量，并基于這兩種相似性分別學(xué)習(xí)節(jié)點(diǎn)的表將這兩類嵌入表示融合起來(lái)。除了采用網(wǎng)絡(luò)表征學(xué)習(xí)的方法，一種比較簡(jiǎn)單的方法是采用矩陣分解的方法路徑分解得到的多個(gè)同質(zhì)網(wǎng)絡(luò)可以表示成鄰接矩陣，因此可以在鄰接矩陣上

【參考文獻(xiàn)】：
期刊論文
[1]一種基于元路徑的異質(zhì)信息網(wǎng)絡(luò)鏈路預(yù)測(cè)模型[J]. 黃立威,李德毅,馬于濤,鄭思儀,張海粟,付鷹.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[2]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學(xué)報(bào). 2009(02)



本文編號(hào)：3266920