针对隐式反馈推荐系统的表征学习方法

• 作者: 梅岚翔 郁雪
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 表征学习 二部图网络 协同过滤
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2266-2272
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0063

摘要

基于邻域的top-N推荐算法利用隐式反馈数据建立排序模型,其算法性能严重依赖于相似度函数的表现.传统相似性度量函数在隐式反馈数据上会遇到数据过于稀疏和维数过高两个问题,稀疏数据不利于推荐模型选取光滑的邻域,过高的数据维数会导致维数灾难问题,导致推荐算法表现较差.为此提出一种基于表征学习方法的推荐算法,改进算法实现了基于二部图网络的多目标节点表征学习方法,在节点表征中通过嵌入不同层次的网络结构信息和适合推荐任务的次序信息来提升推荐性能.三个不同规模真实数据集上的实验结果表明,该算法相较于常用的基于隐式反馈的推荐模型具有更高的准确率和召回率,特别是针对大规模数据集能够有效缓解矩阵稀疏性问题和维数灾难问题,提高推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁雪		10	143	6.0	10.0
2	梅岚翔		1	0	0.0	0.0