面向移动应用评分推荐的多任务图嵌入深度预测模型

摘要：

随着智能终端设备以及移动应用软件的普及,用户对应用质量的要求和用户体验需要愈发凸显.移动应用的评分推荐作为一项有效的事前评估手段,逐渐得到市场关注.传统的应用评分推荐工作主要围绕解决数据稀疏和模型深度问题,未能对应用推荐本身的图结构、多任务形态进行准确表征.针对该问题,提出了一种面向移动应用评分推荐的图嵌入多任务模型AppGRec,利用归纳型二部图的嵌入结构对特征中的用户交互关系进行挖掘,并使用shared-bottom多任务模型捕获应用评分中的多任务特点,同时兼顾了数据稀疏和模型深度的影响.在Google Play上收集了16031个有效的移动应用及其特征数据作为验证数据集,实验结果表明,AppGRec在MAE和RMSE上相比state-of-the-art模型分别提升了10.4％和10.9％.此外,对AppGRec超参和核心模块的影响做了具体分析,多角度验证其有效性.

关键词：移动应用、推荐系统、图嵌入、深度学习、神经网络、评分预测

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-09-20（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：160-167