基于网络表示学习与深度学习的推荐算法研究

摘要：

针对传统基于协同过滤的推荐算法信息提取能力有限的问题,提出基于网络表示学习的卷积协同过滤推荐算法.将二分网络分成物品与用户同质网络,在各自的同质网络上使用GraphSAGE模型得到融合网络空间信息和用户与物品属性信息的矩阵.在此基础上,利用外积运算丰富用户和物品特征向量各维度的相关表示,通过卷积神经网络训练物品和用户的交互信息得到算法模型.实验结果验证了该算法的有效性,且相比ConvNCF算法,其在Movielens数据集上HR@5和NDCG@5分别提升了1.89和2.19个百分点,在Last.fm数据集上HR@5和NDCG@5分别提升了1.09和2.32个百分点.

关键词：推荐算法;网络表示学习;深度学习;卷积神经网络;协同过滤

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：赛尔网络下一代互联网技术创新项目NGII20160206

在线出版日期：2021-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61