社交电商中融合信任和声誉的图神经网络推荐研究

摘要：

社交电商可依据用户间的社交关系为用户提供感兴趣的商品或服务.现有研究多基于社会信任或社会声誉进行推荐,却忽略了信任与声誉间的相互作用,导致推荐效果欠理想.针对以上问题,本文提出了一种融合信任(Trust)和社会声誉(Social Reputation)的图神经网络推荐算法(TSR-GM),采用社会声誉来深度刻画用户关系在推荐系统中的作用,利用社交网络中用户被信任程度对用户声誉进行排名,以图神经网络量化整合用户信任与声誉,并将结合后的新矩阵不断校正以获取更准确的用户信任,以此对矩阵分解后得到的新评分模型更新,最终得到更准确度量的预测评分矩阵.运用Epinions数据集开展的相关实验表明:与同类方法比,TSR-GM算法对提高推荐精度有较好效果.

关键词：信任关系;社会声誉;图神经网络;社交电商;推荐系统

所属期刊栏目：29

分类号：F224(经济计算、经济数学方法)

在线出版日期：2021-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：202-212