基于深度学习的标签推荐研究

标签是一种可以有效缓解数据稀疏问题的辅助信息,在个性化推荐研究中受到广泛关注。研究者们致力于结合标签信息挖掘出用户的行为偏好特征以及物品间隐含的语义关系,从而更好地产生推荐。本文从利用深度学习方法为被推荐对象(图像、文本等)推荐标签与从已有标签信息中提取用户、物品特征两个角度出发,通过对当前国内外相关文献分析基础上,指出了现有研究方法的优点与不足,最后提出了基于深度学习标签推荐未来主要研究方向。     

图神经网络推荐研究进展

图神经网络(graph neural network, GNN)具有从图的领域对数据进行特征提取和表示的优势,近年来成为人工智能研究的热点,图神经网络推荐也是推荐系统研究的一个新方向。本文对GNN模型进行深入研究的基础上,分析了GNN推荐过程,并从无向单元图推荐、无向二元图推荐、无向多元图推荐3个方面详细讨论了现有GNN推荐研究取得的主要进展及不足,阐明了现有GNN推荐研究中存在的主要难点,最后提出了GNN上下文推荐、GNN跨领域推荐、GNN群组推荐、GNN推荐的可解释性等未来GNN推荐的研究方向。     

图自编码器推荐研究综述

图自编码器GAE是一种源自图神经网络的学习框架,在编码器中引入聚合邻域节点的思想,解码器对图结构数据进行解码,重构图结构数据;在模型中引入监督模块,可以提高图结构数据在模型中的嵌入完整性和数据生成的准确性;编解码可以采用不同的神经网络,从而利用不同神经网络的优点.近年来GAE推荐逐渐成为推荐系统研究的热点.从无监督学习...