基于異質(zhì)信息網(wǎng)絡(luò)表示學(xué)習(xí)的推薦方法研究
發(fā)布時間:2022-12-18 10:18
推薦系統(tǒng)的主要功能是根據(jù)已有的用戶交互信息向用戶主動地推薦符合用戶興趣偏好的信息或商品,在大多數(shù)電子商務(wù)網(wǎng)站取得了廣泛的應(yīng)用,推薦算法性能的優(yōu)劣將直接影響到用戶的體驗以及商家的收益。然而,大多數(shù)推薦算法的性能都容易受到冷啟動和數(shù)據(jù)稀疏問題的影響。為了緩解該問題,常用的方法是引入額外的輔助信息來提升推薦系統(tǒng)的性能。近年來,由于推薦系統(tǒng)中存在著豐富的節(jié)點和邊的關(guān)系,自然構(gòu)成了一個異質(zhì)信息網(wǎng)絡(luò),利用異質(zhì)信息網(wǎng)絡(luò)建模推薦系統(tǒng)進行推薦取得了較好的效果。但是目前大多數(shù)算法只利用了基于元路徑相似度的方法,不能有效利用網(wǎng)絡(luò)的高階相似度,并且多數(shù)算法不能很好地將多條元路徑下的高階相似度進行高效地融合。此外,在局部低秩子矩陣劃分問題上,現(xiàn)有的工作大多基于隨機選取錨點并進行子矩陣的劃分,不能很好地利用異質(zhì)信息網(wǎng)絡(luò)的豐富語義信息,如何結(jié)合異質(zhì)信息網(wǎng)絡(luò)去更好地劃分子矩陣并有效選擇錨點是一個值得研究的問題。針對上述問題,本文的主要工作如下:1.提出了基于矩陣分解的協(xié)同過濾模型和異質(zhì)信息網(wǎng)絡(luò)表示學(xué)習(xí)結(jié)合的框架HRLRec。該模型能夠同時利用用戶、商品的隱含表示和多個元路徑下的有機融合后的高階相似度共同預(yù)測評分,并使...
【文章頁數(shù)】:54 頁
【學(xué)位級別】:碩士
【部分圖文】:
網(wǎng)絡(luò)模式示例圖
元路徑如果節(jié)點序列(,,,)
豆瓣電影數(shù)據(jù)集的網(wǎng)絡(luò)模式
本文編號:3721875
【文章頁數(shù)】:54 頁
【學(xué)位級別】:碩士
【部分圖文】:
網(wǎng)絡(luò)模式示例圖
元路徑如果節(jié)點序列(,,,)
豆瓣電影數(shù)據(jù)集的網(wǎng)絡(luò)模式
本文編號:3721875
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3721875.html
最近更新
教材專著