传统的矩阵分解图嵌入模型由于不对大量未知关系建模,其性能面临着很大的挑战性。为了提升矩阵分解模型的性能,提出了一种基于负采样技术的矩阵分解模型NEG-MF。该模型能够从跳数大于6的邻居节点中进行负采样,以降低模型生成图嵌入时对于负样本的偏差。在DBLP数据集上做的大量实验结果表明,相比其他的基线方法,基于NEG-MF的推荐算法在学术合作关系推荐问题上的性能有明显地提升。
科研之友
微信
新浪微博
Facebook
分享链接
