计算机应用研究

作者：张馨悦,岳峰,王含茹,王刚,

单位：合肥工业大学a.管理学院;b.计算机与信息学院,合肥230009；

关键词：群推荐,偏好噪声,异质信息网络分析,表示学习,

基金：国家自然科学基金资助项目(91646111,72071062)；教育部人文社科基金资助项目(18YJC870025)；；

在社交网络上面向群组推荐物品时，已有研究大多基于群成员的完整偏好，运用一些合成策略生成群推荐结果。但在实际中，促使群成员加入目标群的可能只是其完整偏好中与该群相关的部分偏好。因此，使用群成员的完整偏好进行推荐便会带来大量的噪声，损害推荐效果。为解决这一问题，提出了一种基于异质信息网络分析的主题感知群推荐方法HINGR_GT（heterogeneous information network analysis based group recommendation method with group topic considered），针对每个群组构建面向群组的异质社交网络子图，将成员偏好中与群组无关的偏好提前排除在外，在此基础上使用异质网络表示学习方法为群组生成物品推荐。为验证所提方法的有效性，在豆瓣电影数据集上进行了实验，结果表明所提方法在所有评价指标上均取得了更好的效果。

来源：2022年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第2期