软件学报

作者：荀亚玲，毕慧敏，张继福

单位：荀亚玲，太原科技大学 计算机科学与技术学院, 山西 太原 03002411,毕慧敏，太原科技大学 计算机科学与技术学院, 山西 太原 03002402,张继福，太原科技大学 计算机科学与技术学院, 山西 太原 03002403

关键词：推荐预测;异质信息网络;网络嵌入;共享特征;重要性度量因子

基金：国家自然科学基金青年科学基金(61602335); 山西省自然科学基金(201901D211302); 太原科技大学博士科研启动基金(20172017)

异质信息网络是一种异质数据表示形式, 如何融合异质数据复杂语义信息, 是推荐系统面临的挑战之一. 利用弱关系具有的丰富语义和信息传递能力, 构建一种面向推荐系统的异质信息网络高阶嵌入学习框架, 主要包括: 初始化信息嵌入、高阶信息嵌入聚合与推荐预测3个模块. 初始化信息嵌入模块首先采用基于弱关系的异质信息网络最佳信任路径筛选算法, 有效地避免在全关系异质信息网络中, 采样固定数量邻居造成的信息损失, 其次利用新定义的基于多头图注意力的多任务共享特征重要性度量因子, 筛选出节点的语义信息, 并结合交互结构, 有效地表征网络节点; 高阶信息嵌入聚合模块通过融入弱关系及网络嵌入对知识良好的表征能力, 实现高阶信息表达, 并利用异质信息网络的层级传播机制, 将被采样节点的特征聚合到待预测节点; 推荐预测模块利用高阶信息的影响力推荐方法, 实现了推荐任务. 该框架具有嵌入节点类型丰富、融合共享属性和隐式交互信息等特点. 最后, 实验验证UI-HEHo学习框架可有效地改善评级预测的准确性, 以及推荐生成的针对性、新颖性和多样性, 尤其是在数据稀疏的应用场景中, 具有良好的推荐效果.

来源：2023年第11期

《软件学报》期刊编辑部

查看软件学报杂志2023年第11期