模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (8): 712-722    DOI: 10.16451/j.cnki.issn1003-6059.202108004
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于异构邻域聚合的协同过滤推荐算法
夏鸿斌1,2, 陆炜1, 刘渊1,2
1.江南大学 人工智能与计算机学院 无锡 214122
2.江南大学 江苏省媒体设计与软件技术重点实验室 无锡 214122
Collaborative Filtering with Heterogeneous Neighborhood Aggregation
XIA Hongbin1,2, LU Wei1, LIU Yuan1,2
1. School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214122
2. Jiangsu Key Laboratory of Media Design and Software Technology, Jiangnan University, Wuxi 214122

全文: PDF (757 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 传统的协同过滤算法使用one-hot编码生成的特征向量信息量稀少,对异构行为数据仅挖掘不同行为间的联系而忽略用户间行为的联系.针对上述问题,文中提出基于异构邻域聚合的协同过滤推荐算法.首先,使用图对用户和项目的异构交互进行建模,并利用图的连通特性构建邻域.然后,使用轻量级图卷积方法整合邻域信息,融入目标用户和目标项目的特征向量.最后,将融合邻域信息的用户与项目的特征向量输入多任务异构网络进行训练,通过丰富特征向量信息的方法缓解数据稀疏问题.在数据集上的实验证实文中算法的性能较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
夏鸿斌
陆炜
刘渊
关键词 异构数据邻域聚合协同过滤推荐系统图神经网络    
Abstract:In traditional collaborative filtering models, the feature vector generated by one-hot encoding is sparsely informative. Heterogeneous behavior data is only employed to describe the relationship between different behaviors and the relationship between behaviors of different users is ignored.Aiming at these problems, an algorithm of collaborative filtering with heterogeneous neighborhood aggregation is proposed. Firstly, the heterogeneous interaction between users and items is modeled by the graph, and neighborhoods are built through the connectivity of graph. Then, the neighborhood information integrated by the lightweight graph convolution method is merged into the feature vectors of the target users and items. Finally, the feature vectors of users and items integrating with neighborhood information are input into a multi-task heterogeneous network for training. The problem of data sparseness is alleviated by enriching the hidden information of feature vectors. Experiments on the datasets prove that the performance of the proposed model is better.
Key wordsHeterogeneous Data    Neighborhood Aggregation    Collaborative Filtering    Recommender System    Graph Neural Network   
收稿日期: 2021-05-13     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61972182)资助
通讯作者: 夏鸿斌,博士,副教授,主要研究方向为个性化推荐、自然语言处理、网络优化.E-mail:hbxia@163.com.   
作者简介: 陆 炜,硕士研究生,主要研究方向为深度学习、推荐系统.E-mail:1051183356@qq.com.刘 渊,硕士,教授,主要研究方向为网络安全、社交网络.E-mail:lyuan1800@sina.com.
引用本文:   
夏鸿斌, 陆炜, 刘渊. 基于异构邻域聚合的协同过滤推荐算法[J]. 模式识别与人工智能, 2021, 34(8): 712-722. XIA Hongbin, LU Wei, LIU Yuan. Collaborative Filtering with Heterogeneous Neighborhood Aggregation. , 2021, 34(8): 712-722.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202108004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I8/712
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn