10.3778/j.issn.1002-8331.1909-0339
融合社交网络用户潜在因子的社会化推荐
针对传统社会化推荐准确率不高的问题,提出一种融合社交网络用户潜在因子的推荐算法SGCN-MF.SGCN-MF考虑社交网络中用户的隐语义信息对推荐结果的影响.使用图卷积神经网络将用户-项目历史交互信息和用户社交网络进行编码嵌入,学习得到具有用户特征和网络结构信息的节点在低维向量空间的潜在特征表达;将用户潜在因子融入基于矩阵分解的社会化推荐模型中;使用梯度下降算法训练模型参数.在Filmtrust、Ciao和Epinions数据集上的实验表明,与传统的社会化推荐算法相比,SGCN-MF能够提升推荐的准确率.
社会化推荐、矩阵分解、潜在因子、社交网络、图卷积神经网络
56
TP391.9(计算技术、计算机技术)
国家自然科学基金;广东省科技计划
2020-12-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
169-174