Recommendation system using a deep learning and graph analysis approach

doi:10.1111/coin.12545

Recommendation system using a deep learning and graph analysis approach

2022-08-30

0

OA

AI

DOI：10.1111/coin.12545

原文链接

原文求助

摘要

En 中文

摘要当用户连接互联网以满足其需求时，通常会接触到大量相关信息。推荐系统是大规模过滤信息并提供用户认为满意且感兴趣项目的技术。机器学习方法的进步，尤其是深度学习，已在推荐系统领域取得显著成就，但这些系统仍面临冷启动和稀疏性等挑战。为解决这些问题，通常使用用户通信网络等上下文信息。本文提出了一种基于矩阵分解和图分析方法的创新推荐方法，具体包括用于社区检测的Louvain算法和用于识别信任网络中最重要节点的HITS算法。此外，我们利用深度自编码器初始化用户和项目的潜在因子，并通过Node2vec深度嵌入方法从用户信任图中提取用户的潜在因子。该方法在Ciao和Epinions标准数据集上实现。实验结果和比较表明，所提出的方法优于现有的最先进推荐方法。我们的方法优于其他对比方法，并取得了显著改进，即Epinions数据集的RMSE提升15.56%，Ciao数据集的RMSE提升18.41%。

Recommendation system using a deep learning and graph analysis approach

摘要

期刊

机构

引用论文