科研之友
微信
新浪微博
Facebook
分享链接
摘要
已有的群组推荐模型，在求解用户表示时大多比较单调，且仅简单利用用户间的社交关系，使得用户表示不够准确，且大都未考虑用户共同意图以及社交关系对群组偏好的影响，导致推荐的项目很难符合用户的需求。基于此，提出一种结合用户共同意图及社交关系的群组推荐模型GR-UCISI。首先，构造用户-项目交互历史与社交关系相结合的用户意图分离模型，利用图神经网络采集每个用户的用户-项目交互以及社交关系信息，求解用户意图和项目表示；其次，利用网络游走算法与K-means聚类算法将用户分组，结合用户群组、用户意图以及群组意图聚合过程获取群组共同意图表示；最后，根据群组共同意图表示与项目表示得出群组推荐项目列表。该方法充分考虑到用户的个性以及群组成员间的共性对群组偏好的影响，同时结合社交关系缓解数据稀疏性问题，提升模型性能。实验结果表明，与9个对比模型中推荐效果最好的模型相比，在Gowalla数据集上，GR-UCISI在Precision和NDCG指标值上分别提高3.01%和5.26%；在Yelp-2018数据集上，GR-UCISI在Precision和NDCG指标值上分别提高2.96%和1.12%。
- 单位
