基于多嵌入融合的top-N推荐

作     者：杨真真 王东涛 杨永鹏 华仁玉 YANG Zhenzhen;WANG Dongtao;YANG Yongpeng;HUA Renyu

作者机构：南京邮电大学宽带无线通信与传感网技术教育部重点实验室南京210023 南京信息职业技术学院网络与通信学院南京210023 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第7期

页      面：140-145页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62171232) 南京邮电大学宽带无线通信与传感网技术教育部重点实验室开放研究基金(JZNY202113) 南京邮电大学科研项目(NY220207) 江苏省研究生科研与实践创新计划项目(KYCX22_0955,SJCX23_0251) 

主　　题：异构信息网络 推荐系统 top-N推荐 多嵌入融合 注意力机制 

摘      要：异构信息网络(Heterogeneous Information Network, HIN)凭借其丰富的语义信息和结构信息被广泛应用于推荐系统中,虽然取得了很好的推荐效果,但较少考虑局部特征放大、信息交互和多嵌入聚合等问题。针对这些问题,提出了一种新的用于top-N推荐的多嵌入融合推荐(Multi-embedding Fusion Recommendation, MFRec)模型。首先,该模型在用户和项目学习分支中都采用对象上下文表示网络,充分利用上下文信息以放大局部特征,增强相邻节点的交互性;其次,将空洞卷积和空间金字塔池化引入元路径学习分支,以便获取多尺度信息并增强元路径的节点表示;然后,采用多嵌入融合模块以便更好地进行用户、项目以及元路径的嵌入融合,细粒度地进行多嵌入之间的交互学习,并强调了各特征的不同重要性程度;最后,在两个公共推荐系统数据集上进行了实验,结果表明所提模型MFRec优于现有的其他top-N推荐系统模型。