思享国logo
  • 点赞

    2

  • 宝推

    0

  • 10

  • 回复

  • 下载附件

    1

返回顶部

点赞数

2

回复数

2

被浏览

263

【2017全国嵌入式系统学术会议】基于超图的EBSN个性化推荐算法研究(论文可下载)

2017-12-27 11:24更新
  • EBSN
  • 超图
  • 流行排序
  • 正则化计算
  • 干货下载

作者:WenChao Zhang*,Yaxin Yu*,Xiaoxu Li*,Lei Wang*  (College of Computer Science and Engineer at Northeastern University)

研究目的

EBSN中的个性化推荐服务是一个十分重要且颇具应用价值的问题,目前己有研究工作主要是基于普通图模型来对EBSN中的关系进行建模,但EBSN是一种异构型复杂社交网络,具有多种不同类型实体,因而用图对EBSN进行建模存在可能丢失数据在高维信息下的不足,从而降低了推荐质量

论文概述

基于以上问题,此论文就提出了一种基于超图的EBSN个性化推荐算法(Personalized Recommendations via Hypergraph in EBSN一PRH),其基本思想是:利用超图可准确表示数据在高维下各种关系而不丢失信息的特性来对EBSN进行建模,并运用流行排序策略进行正则化计算,最终实现精准推荐。

四种算法的MAP和FI比较:

1

四种算法的NDCG:

2

    由上表可知,大多数情况下PRH算法性能优于其他推荐算法,尤其是在较小的位置N的时,这种性能优越性更强。请注意,在本文中提出的PRH算法是利用超图来进行高维数据的建模,而uni HeteRS和HeteRS是利用普通图进行建模。PRH算法比HeteRS的优越性说明了利用超图对复杂的社交网络数据关系建模相较于普通图确实是一种更好的选择。同时可以观察到CF算法的性能是最差的,这可能是CF算法没有考虑复杂的社交网络中的各种实体都可能对推荐结果有一定影响的原因。

预知具体算法过程可下载论文原版阅读。


您尚未登录, 登入  或  注册  后可查看全部