-
题名基于属性异质图嵌入的双向跨领域推荐
- 1
-
-
作者
袁杰
朱焱
-
机构
西南交通大学计算机与人工智能学院
-
出处
《计算机工程与设计》
北大核心
2025年第5期1371-1377,共7页
-
基金
四川省科技计划基金项目(2019YFSY0032)。
-
文摘
为解决传统推荐系统中数据稀疏以及冷启动问题,提出一种基于属性异质图的双向跨领域推荐方法DRAH。将用户-项目关系建模为具有属性的异构图,分别表征图结构信息、评论信息以及属性信息,并融合得到更丰富的属性异质图嵌入;利用重叠用户作为迁移桥梁,挖掘领域间兴趣偏好的统一空间分布,实现交互信息在两个领域中的双向迁移,共同提高两个领域的推荐性能,更加准确预测用户评分。在公开的数据集上进行实验,结果表明该方法缓解了数据稀疏,可以进一步解决冷启动问题。
-
关键词
推荐系统
跨领域推荐
冷启动
数据稀疏
属性异质图
图嵌入
双向迁移学习
-
Keywords
recommendation system
cross-domain recommendation
cold start
data sparsity
attributed heterogeneous graph
graph embedding
dual transfer learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
