科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】基于丰富的元数据和评分数据,提出一种融合网络表示学习与XGBoost的评分预测模型——N2VXGB。【方法】提取并融合元数据和评分数据的相似性权重,构建同质关系网络;利用网络表示学习自动提取用户和项目特征,再将提取的特征作为XGBoost的输入,迭代训练获得最佳的评分预测模型。【结果】实验表明,N2VXGB模型的MAE和RMSE分别为0.686 7、0.873 7,低于4种主要的对比模型。【局限】N2VXGB模型未能很好地利用时间特征信息,评分结果没有反映时序变化。【结论】N2VXGB模型将网络表示学习与XGBoost算法进行有效融合,能够缓解数据稀疏,提高用户评分的预测精度。
- 单位
