面向多视图融合的用户一致性社交推荐

来源：计算机工程与应用杂志2024年第10期北京时间：

作者：赵文涛, 刘甜甜, 薛赛丽, 王德望

单位：河南理工大学 计算机科学与技术学院，河南 焦作 454000

摘要：针对传统社交推荐准确率不高的问题，提出一种基于多视图融合的用户一致性社交推荐模型。该社交推荐模型考虑到社交网络中用户的不一致性和单一视图信息对推荐结果的影响，使用注意力机制动态过滤出不一致的社交邻居，并结合用户-项目交互信息来学习用户特征表达；同时从知识图谱（knowledge graph，KG）、用户-项目历史交互信息等多个视图学习项目在低维空间的特征表示；最后将用户和项目的特征表示进行内积操作，从而完成最终的推荐任务。为了验证推荐算法的有效性，在Douban和Yelp两个公开的数据集上与六个基线模型进行对比实验，并采用召回率、归一化折损累计增益（normalized discounted cumulative gain，NDCG）和精确率作为评估指标，实验结果表明，所提出的社交推荐模型的性能优于其他模型。

关键词：社交推荐,知识图谱,神经网络,注意力机制