多网络混合嵌入学习的服务推荐方法研究

摘要：

网络嵌入是将网络节点投影到一个向量空间,从而有效地提取网络中各节点的特征信息.在服务推荐领域,已有研究表明引入网络嵌入方法能有效缓解推荐过程中数据稀疏等问题.但现有的网络嵌入方法多针对某一种特定结构的网络,并没有从根源上协同多种关系网络.因此,从垂直和平行两个角度将多种关系网络映射到同一个向量空间,提出一种基于多网络混合嵌入的服务推荐模型(MNHER).首先,构建用户社交关系网络、服务标签共有网络、用户-服务异质信息网络;然后,通过多网络混合嵌入学习,得到用户和服务在同一向量空间的嵌入向量;最后,应用用户和服务的表征向量向目标用户推荐服务.此外,也对嵌入学习中的随机游走方法进行了优化,确保能更有效地提取和保留原网络的特征信息.为验证该方法的有效性,在三个公开数据集上与多种代表性的服务推荐方法进行了对比分析,相比基于单一关系网络和简单融合多关系网络的服务推荐方法,F-measure值分别可提高21％、15％.实验结果证明了多网络混合嵌入方法可有效地协同多关系网络,提高服务推荐质量.

关键词：异质信息网络、关系网络、网络嵌入、服务推荐、协同过滤

所属期刊栏目：16

分类号：TP391(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;国家自然科学基金;应用数学湖北省重点实验室开放基金

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1529-1542