Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Social Collaborative Filtering Method to Alleviate Data Sparsity Based on Graph Convolutional Networks Kaedah Penapisan Kolaboratif Sosial untuk Mengurangkan Keterlaluan Data Berdasarkan Rangkaian Konvolusi Graf

Haitao XIE, Qingtao FAN, Qian XIAO

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Pada masa kini, sistem pengesyor (RS) terus menarik perhatian daripada ahli akademik, dan penapisan kolaboratif (CF) ialah teknik yang paling berjaya untuk membina RS. Untuk mengatasi had yang wujud, yang dirujuk sebagai keterbatasan data dalam CF, pelbagai penyelesaian dicadangkan untuk memasukkan maklumat sosial tambahan ke dalam proses pengesyoran, seperti rangkaian amanah. Walau bagaimanapun, kaedah sedia ada mengalami integrasi data berbilang sumber (iaitu, gabungan maklumat sosial dan penilaian), yang merupakan asas untuk pengiraan persamaan pilihan pengguna. Untuk tujuan ini, kami mencadangkan kaedah penapisan kolaboratif sosial berdasarkan metrik amanah baru. Pertama, kami menggunakan Graph Convolutional Networks (GCNs) untuk mempelajari perkaitan antara maklumat sosial dan rating pengguna sambil mempertimbangkan struktur rangkaian sosial yang mendasari. Kedua, kami mengukur nilai amanah langsung antara jiran dengan mewakili data berbilang sumber sebagai penilaian pengguna pada item popular, dan kemudian mengira nilai amanah tidak langsung berdasarkan penyebaran kepercayaan. Ketiga, kami menggunakan semua nilai amanah untuk mewujudkan penyelarasan sosial dalam pemfaktoran matriks penarafan item pengguna untuk mengelakkan pemasangan berlebihan. Percubaan pada set data sebenar menunjukkan bahawa pendekatan kami mengatasi kaedah tercanggih yang lain dalam penggunaan data berbilang sumber untuk mengurangkan keterbatasan data.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E103-D No.12 pp.2611-2619
Tarikh penerbitan
2020/12/01
Diumumkan
2020/08/28
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2019EDP7286
Jenis Manuskrip
PAPER
kategori
Kecerdasan Buatan, Perlombongan Data

Pengarang

Haitao XIE
  Beijing United Information Center of Science-Technology-Economy
Qingtao FAN
  Beijing Institute of Science and Technology Information
Qian XIAO
  Beijing Institute of Graphic Communication

Kata kunci

Contents [show]