传统基于社交网络的推荐系统均假设社交网络为静态的拓扑结构,而实际社交网络存在动态演化的特点。针对这种情况,设计一种基于神经网络嵌入和社交网络动态演化的新闻推荐算法。采用神经网络嵌入模型学习用户在时间域和社交网络域的动态表示;利用核映射将高维的动态表示映射至低维的向量空间;从时域和网络拓扑两个上下文识别局部的核心。基于新浪微博数据完成了新闻推荐实验,结果表明,引入用户时域行为信息能够增强协同过滤推荐算法的性能。
科研之友
微信
新浪微博
Facebook
分享链接
