基于异质信息网络和多任务学习的推荐模型
针对基于异质信息网络的推荐系统难以充分捕捉节点的内容信息以及基于元路径的异质信息挖掘存在链接丢失的问题,提出一个基于异质信息网络和多任务学习的推荐方法.该方法首先在各个元路径视图上计算不同邻居实例对节点的影响程度,挖掘元路径内部信息;接着使用注意力机制学习异质信息网络图的语义信息,得到异质信息网络中节点的嵌入;最后采用多任务学习方法同时优化推荐任务和链路预测任务来解决链接丢失问题.在3个公开的异质数据集上进行实验,结果表明该模型能够充分挖掘异质信息网络的信息,在推荐任务和链路预测任务上的性能皆优于对比模型.
异质信息网络、数据挖掘、推荐系统、多任务学习、图神经网络、表征学习
48
U461;TP308(汽车工程)
北京市自然科学基金资助项目4212013
2022-12-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
1289-1297