计算机工程

作者：刘峰, 王宝亮, 邹荣宇, 赵浩淳

单位：1. 天津大学 信息与网络中心, 天津 300072;2. 天津大学 电气自动化与信息工程学院, 天津 300072;3. 天津大学 国际工程师学院, 天津 300072

关键词：推荐算法,网络表示学习,随机游走,序列长度,属性信息

基金：赛尔网络下一代互联网技术创新项目“基于IPv6的分布式计算框架模型研究”（NGII20160206）。

根据网络结构中的连接关系得到节点的向量表示，进而将节点的向量表示应用于推荐算法可有效提升其建模能力。针对推荐系统中的同质网络，提出结合随机游走的网络表示学习推荐算法。以DeepWalk算法为基础，在随机游走过程中根据节点重要性设定节点游走序列数，并设置终止概率以控制游走长度优化采样结果，在网络表示学习过程中将SkipGram模型融合节点属性信息，同时考虑上下文节点离中心节点的距离获得更准确的推荐结果。实验结果表明，该算法相比DeepWalk、Node2vec等算法具有更高的推荐准确度，并且较好地解决了冷启动问题。

来源：2021年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第9期