基于用户关系网络表征学习的服务推荐方法

摘要：

网络嵌入学习是深度学习的一个热门分支,它将网络节点映射到一个拓展的低维向量空间.针对用户共用标签网络和社交网络,利用表征学习方法得到用户标签标注关系和社交关系的向量表征,并提出一种新的服务推荐方法.该方法利用用户的向量表征得到相似用户集,由最终得到的用户特征信息返回Top-k个相似用户,并根据相似用户的偏好情况向目标用户推荐合适的服务.为验证方法的可行性,在公开数据集Delicious和Last.FM上进行了实验,结果表明:相比4种基准方法,文中方法准确率可提升13％,召回率提升18.6％,F-measure值可提升13.1％;在学习用户表征向量时,用户之间共用标签关系与社交关系同样重要;推荐过程中,为目标用户返回的相似用户值在[25,30]区间更为适宜.

关键词：表征学习、网络嵌入、标签共用网络、服务推荐

所属期刊栏目：43

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金项目;湖北省教育厅青年人才项目;应用数学湖北省重点实验室开放基金

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：51-62