.png){kind=icon}
返回
Random Walk Based Hierarchical Collaborative Filtering for Directed Network Embedding
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2026.3667739.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
方向性中的不对称语义信息使得有向网络嵌入与无向网络嵌入本质上不同。现有的有向网络嵌入方法，无论显式还是隐式，都是基于保留成对交互同时区分入向和出向建立的。注意到边的方向固有的语义内涵仍很少被用来增强有向网络嵌入，在本工作中，我们提出了一种名为RW4CF的新型随机游走嵌入框架，用于编码有向网络中的层次协同过滤特征。具体而言，我们将有向链接解释为一种用户-物品交互，并将层次协同过滤矩阵的概念表述为有向网络嵌入的一种启发式结构特征。具体来说，我们在随机游走方案中引入协同过滤窗口以编码协同过滤信息。理论分析表明，RW4CF获得的嵌入确实是有向网络层次协同过滤矩阵的分解。此外，为验证RW4CF的有效性，我们在有向网络数据集上进行了大量实验，并证明了RW4CF的性能优于当前最优方法。
Keyword:
Random walk
network embedding
collaborative filtering
directed network
期刊
I
IF:
7.9
论文数:
2.6K
被引数:
10.0K
机构
引用论文
Integrating Fuzzy Clustering and Graph Convolution Network to Accurately Identify Clusters From Attributed Graph融合模糊聚类和图卷积网络以准确识别属性图中的聚类
PREAI
分享收藏A Magnetic Framelet-Based Convolutional Neural Network for Directed Graphs.png)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏分享收藏
查看更多内容