文章摘要:推荐系统中用户-项目之间的交互及其他信息可以构成一个异构信息网络（Heterogeneous Information Network，HIN）。传统基于HIN的推荐算法往往直接构建用户-项目间的异构信息网络，忽略了用户-用户以及项目-项目本身具有的相似性，所构建的网络不够完整，并且在计算节点关联性时鲜有考虑不同搜索路径下的不同关联性。为解决上述问题，提出一种考虑用户及项目本身相似性的HIN推荐算法。通过查找用户与项目之间更多的搜索路径，并考虑不同的搜索路径，引入深度学习中的随机游走（Random Walk，RW）来度量用户-项目节点之间的关联度，从而实现更加精确的推荐。将所提算法在公开的Movie Lens数据集上进行了实验，实验结果表明，相较于传统的协同过滤推荐算法以及基于HIN的推荐算法，基于不同搜索路径下成对随机游走的算法具有更高的推荐性能。

文章关键词:

项目基金: 上一篇：戏剧电影与电视艺术论文_数字化影视制作中艺术 下一篇：没有了