基于时间信息表示学习的个性化推荐方法

摘要：

个性化推荐已成为现代智能化服务中的重要技术,时间信息是影响个性化推荐效果的重要因素.然而现有基于网络表示学习的个性化推荐方法,有的将事物及其关系抽象为同质网络,忽视了固有的异质性;有的虽将事物及其关系建模为异质网络,但没有较好地利用时间信息.因此,文中提出一种基于时间信息表示学习的个性化推荐方法(Time Representation Learning Incorporating into User Collaborative Filtering,TRLIUCF),TRLIUCF方法综合利用了评论的时间信息、文本信息、评分信息,获得了较好的推荐结果.首先,根据评论文本提取评论情绪特征,并根据时间信息提取评论时间特征,基于二者提出评论综合情绪-贡献值及其计算方法.然后,基于评论综合情绪-贡献值和用户评论数据构建用户-商品-评论异质网络,并采用网络表示学习方法学习节点嵌入向量.最后,通过用户节点嵌入向量计算用户相似性,并采用基于用户的协同过滤进行TOP-N推荐.在两个不同规模的真实数据集上的实验表明,与基准方法相比,TRLIUCF方法提高了推荐精确率和召回率.

关键词：时间信息、网络表示学习、异质网络、协同过滤、个性化推荐

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;云南省中青年学术;技术带头人后备人才项目;云南省应用基础研究计划重点项目

在线出版日期：2023-02-20（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：34-41