融合node2 vec和深度神经网络的隐式反馈推荐模型

摘要：

利用隐式反馈信息实现个性化推荐是实用且具有挑战性的研究课题.对如何有效结合辅助信息来解决数据稀疏问题从而实现高效推荐的问题进行了研究,提出了一种融合node2vec和深度神经网络的隐式反馈推荐模型.该模型采用一种嵌入元数据的深度神经网络框架(Deep Neural Network Framework with Embedded Meta-data,Meta-DNN),首先将用户和项目的one-hot向量进行低维映射,再嵌入元数据信息,并结合node2vec的二阶随机游走方法学习网络中的邻居节点,使得相邻节点具有相似的节点表示,同时通过增强相邻用户和项目的平滑度来缓解数据稀疏性;最后使用深度神经网络进一步学习用户对项目的偏好,进而为用户产生推荐.其中,还引入了流行度参数对未知项目进行非平均抽样,优化隐式反馈负采样策略.在Gowalla和MovieLens-1 M两个数据集上的实验表明,所提方法可以明显提高系统的预测性能和推荐质量.

关键词：node2vec、推荐系统、神经网络、深度学习、隐式反馈、元数据

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省重点研发计划项目BE2017617,BE2015697;国家重点研发计划子课题2017YFC0805605

在线出版日期：2019-07-03（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：41-48