基于随机游走的网络表示学习推荐算法

摘要：

根据网络结构中的连接关系得到节点的向量表示,进而将节点的向量表示应用于推荐算法可有效提升其建模能力.针对推荐系统中的同质网络,提出结合随机游走的网络表示学习推荐算法.以DeepWalk算法为基础,在随机游走过程中根据节点重要性设定节点游走序列数,并设置终止概率以控制游走长度优化采样结果,在网络表示学习过程中将SkipGram模型融合节点属性信息,同时考虑上下文节点离中心节点的距离获得更准确的推荐结果.实验结果表明,该算法相比DeepWalk、Node2vec等算法具有更高的推荐准确度,并且较好地解决了冷启动问题.

关键词：推荐算法;网络表示学习;随机游走;序列长度;属性信息

所属期刊栏目：47

分类号：TP301(计算技术、计算机技术)

资助基金：赛尔网络下一代互联网技术创新项目"基于IPv6的分布式计算框架模型研究"NGII20160206

在线出版日期：2021-11-10（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：90-96,105