基于时间信息表示学习的个性化推荐方法

来源：计算机技术与发展杂志2023年第01期北京时间：

作者：任秋臻;陈红梅;周丽华

摘要：个性化推荐已成为现代智能化服务中的重要技术,时间信息是影响个性化推荐效果的重要因素。 然而现有基于网络表示学习的个性化推荐方法,有的将事物及其关系抽象为同质网络,忽视了固有　的异质性;有的虽将事物及其关系建模为异质网络,但没有较好地利用时间信息。 因此, 文中提出一种基于时间信息表示学习的个性化推荐方法( TimeRepresentation Learning Incorporating into User Collaborative Filtering,TRLIUCF) ,TRLIUCF 方法综合利用了评论的时间信息、文本信息、评分信息,获得了较好的推荐结果。 首先,根据评论文本提取评论情绪特征,并根据时间信息提取　评论时间特征,基于二者提出评论综合情绪-贡献值及其计算方法。 然后,基于评论综合情绪-贡献值和用户评论数据构建用户-商品-评论异质网络,并采用网络表示学习方法学习节点嵌入向量。 　最后,通过用户节点嵌入向量计算用户相似性,并采用基于用户的协同过滤进行 TOP-N 推荐。 在两个不同规模的真实数据集上的实验表明,与基准方法相比,TRLIUCF 方法提高了推荐精确率和召回率。

关键词：时间信息;网络表示学习;异质网络;协同过滤;个性化推荐