基于高阶和低阶交互关系的深度学习推荐模型研究 |
| |
引用本文: | 时倩如,李贺,沈旺,刘嘉宇,田聪淼.基于高阶和低阶交互关系的深度学习推荐模型研究[J].情报理论与实践,2024(4):189-196. |
| |
作者姓名: | 时倩如 李贺 沈旺 刘嘉宇 田聪淼 |
| |
作者单位: | 吉林大学商学与管理学院 |
| |
基金项目: | 国家自然科学基金面上项目“基于图模型的多源异构在线产品评论数据融合与知识发现研究”的成果,项目编号:71974075; |
| |
摘 要: | 目的/意义]针对缺乏辅助信息的场景,为更好地挖掘用户偏好,从用户项目间的交互信息中挖掘高阶关系特征,并综合考虑全局和局部层次上的交互关系,提出一种基于高阶和低阶交互关系的深度学习推荐模型(HLRec)。方法/过程]从原始交互数据中构建超图和二分图两种子图,分别显式建模用户项目间高阶和低阶交互关系;使用关联矩阵表示高阶交互关系特征,异构图神经网络提取低阶交互关系特征;融合高阶与低阶交互关系特征,并输入到深度生成模型变分自编码器(VAE)中学习用户和项目的表示向量;根据模型预测的用户项目间匹配概率完成Top-k个性化推荐。使用公开数据集MovieLens-1M验证提出的模型。结果/结论]实验结果表明,在Top-20推荐中,与相关基线模型相比,本文模型的Recall、Precision和NDCG分别提高了4.18%、3.20%和3.41%。
|
关 键 词: | 深度学习推荐模型 超图 变分自编码 个性化推荐 |
|
|