10.3969/j.issn.1000-386x.2021.07.041
基于神经网络嵌入和动态社交的新闻推荐算法
传统基于社交网络的推荐系统均假设社交网络为静态的拓扑结构,而实际社交网络存在动态演化的特点.针对这种情况,设计一种基于神经网络嵌入和社交网络动态演化的新闻推荐算法.采用神经网络嵌入模型学习用户在时间域和社交网络域的动态表示;利用核映射将高维的动态表示映射至低维的向量空间;从时域和网络拓扑两个上下文识别局部的核心.基于新浪微博数据完成了新闻推荐实验,结果表明,引入用户时域行为信息能够增强协同过滤推荐算法的性能.
社交网络、意见领袖、推荐系统、动态演化、神经网络
38
TP391(计算技术、计算机技术)
广东省教育科研项目2017GXJK206
2021-07-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
258-264,331
