融合node2 vec和深度神经网络的隐式反馈推荐模型

• 作者: 何瑾琳 刘学军 徐新艳 毛宇佳
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: node2vec 推荐系统 神经网络 深度学习 隐式反馈 元数据
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 大数据与数据科学
• 页码范围: 41-48
• 页数: 8页
• 分类号: TP391
• 字数: 9668字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.06.005

摘要

利用隐式反馈信息实现个性化推荐是实用且具有挑战性的研究课题.对如何有效结合辅助信息来解决数据稀疏问题从而实现高效推荐的问题进行了研究,提出了一种融合node2vec和深度神经网络的隐式反馈推荐模型.该模型采用一种嵌入元数据的深度神经网络框架(Deep Neural Network Framework with Embedded Meta-data,Meta-DNN),首先将用户和项目的one-hot向量进行低维映射,再嵌入元数据信息,并结合node2vec的二阶随机游走方法学习网络中的邻居节点,使得相邻节点具有相似的节点表示,同时通过增强相邻用户和项目的平滑度来缓解数据稀疏性;最后使用深度神经网络进一步学习用户对项目的偏好,进而为用户产生推荐.其中,还引入了流行度参数对未知项目进行非平均抽样,优化隐式反馈负采样策略.在Gowalla和MovieLens-1 M两个数据集上的实验表明,所提方法可以明显提高系统的预测性能和推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐新艳	南京工业大学计算机科学与技术学院	13	24	4.0	4.0
2	刘学军	南京工业大学计算机科学与技术学院	59	564	12.0	21.0
3	毛宇佳	南京工业大学计算机科学与技术学院	2	1	1.0	1.0
4	何瑾琳	南京工业大学计算机科学与技术学院	1	0	0.0	0.0