关联文本信息的网络表示学习推荐算法

摘要：

通过基于随机游走的网络表示学习算法得到节点的低维嵌入向量,进而将其应用于推荐系统是推荐领域很流行的研究方向.针对当前基于随机游走的网络表示学习算法仅着重考虑了网络结构特性而忽略文本信息的问题,提出一种关联文本信息的网络表示学习推荐算法.首先在随机游走阶段,考虑到了节点文本间的相似度,联合结构和文本信息对下一游走节点进行筛选;然后在网络表示学习部分融合文本信息,引入注意力矩阵,对文本信息矩阵中的向量进行加权表示;最后将生成的节点向量应用于推荐系统.在实验部分,将所提算法与常见的3种算法在两个数据集上进行对比分析,并对所提算法进行了参数敏感性分析.实验结果表明所提算法在AUC评价指标上的性能优于另外3种算法,可见该算法在个性化推荐中的有效性.

关键词：随机游走;网络表示学习;推荐算法;文本信息;注意力矩阵

所属期刊栏目：41

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NGII20181204

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-58