基于异构图嵌入的论文个性化推荐算法

【背景】科技论文数量的快速增长使得如何快速查找或定位到感兴趣的文献资料成为了科研人员在科学研究过程中一个亟待解决的问题。【目的】本文旨在研究并提出一种基于图嵌入的论文推荐算法,尝试解决面向用户的论文个性化推荐问题。【方法】本文提出了一种基于异构图嵌入的论文个性化推荐算法。该算法通过异构图嵌入模型构建论文节点的嵌入表示,同时基于作者已发表的论文构建该作者的兴趣表示,最终利用两者之间的相似度对作者进行论文推荐。【结论】在DBLP数据集上的实验证明了本文提出的模型及算法的有效性。     

基于论文共同作者学术关系的学者推荐系统

为使用户能够准确、高效地查找出关联的科研人员、学科知识及研究领域等相关信息,提出一种基于论文共同作者学术关系的推荐系统。该推荐系统应用科研人员所著论文的关键词对科研人员进行建模,突出科研人员与研究领域之间的关联,通过论文共同作者等学术关系计算科研人员之间的相似度以进行推荐。实验结果证明,与未应用学术关系的普通方法相比,该推荐系统的精准度能提高5%左右。     

基于改进联合相似度计算的图书推荐算法

推荐系统可有效解决海量数据中的信息过载问题,为用户推荐感兴趣的信息。用户相似度计算是一种常用的推荐算法,但传统算法仅考虑用户-物品评分之间的相似性,忽略了用户固有特征对用户喜好的影响。考虑用户特征对推荐效果的影响,本文提出一种联合用户特征相似度及用户评分相似度计算的算法,采用F1衡量指标评价推荐效果的有效性。实验结果表明改进算法能有效提高推荐效果,取得更好的用户体验。     

面向推荐系统的音乐特征抽取

音乐推荐系统是指根据用户的历史浏览数据,从候选库中推荐给用户可能喜欢的音乐的一种新型网络服务。该系统的关键在于需要对整个数据库按照音乐风格进行分类,基于此提出一种新的音乐特征处理方法来完成音乐库分类,以有效实现音乐推荐。该方法首先为候选音乐库构建常规的音乐特征数据集,然后基于分形理论对数据集进行属性约简,获取每一首音乐的推荐特征向量,并且依据特征向量的特点,定义了一种新的距离度量方法。在包含六种风格的音乐数据库的实验中,仿真结果证明了提出的音乐推荐特征和距离度量的有效性,与现有的基于内容的音乐检索研究相比,音乐推荐特征的使用极大地降低了对数据库存储量的需求,对音乐推荐系统的网络开发具有很好的应用价值。     

基于协同过滤算法实现高校毕业生推荐系统研究

在当前高校毕业生就业形势严峻的情况下,推荐系统可以作为毕业生与企业需求之间的桥梁,实现个性化推荐。本文重点介绍了协同过滤推荐算法在高校毕业生推荐系统中的应用,采用基于内容的推荐算法计算相似度,并使用基于用户的协同过滤算法生成推荐结果,这样可以解决高校毕业生随意就业和招聘企业盲目招聘等问题,提高推荐结果的准确度,有助于缓解这种情况。     

基于分布式图计算框架的好友推荐算法研究

随着社交网络的兴起与发展,用户数目规模呈现出指数级增长的趋势。这些大规模数据里蕴含着许多有价值的信息,挖掘其中有用的信息已经成为学者研究的重点,好友推荐就是数据挖掘里的一个重要应用。为了获得更优的性能、更高的可扩展性,采用分布式平台解决大规模好友推荐成为学术界和工业界的一个发展趋势。目前使用得较广泛的为基于MapReduce框架的好友推荐算法,该方法有较高的可扩展性,但是受限于MapReduce低效的中间数据传输,存在性能缺陷。针对上述问题,提出一种基于分布式图计算框架的好友推荐算法。最后,在多个真实的社交网络数据集上评测了该方法。实验结果表明,该方法要优于业界先进的好友推荐算法,在准确率相当的情况下,性能大约为其他算法的7倍。     

基于Vague集的电子商务推荐系统研究

基于内容推荐系统发展的瓶颈在于商品特征的表示。借助Vague集方法,并利用高斯函数和Vague集中未知度的一些性质,将商品的特征用Vague值形象表示。在此基础上,给出了运用Vague集方法进行基于内容推荐的步骤,为推荐系统的设计提供了一种新的指导思想和方法。最后给出了多个推荐公式,并进行简单的比较,有利于在实际推荐工作中酌情选择不同的推荐公式,提高商品推荐质量和推荐精度。     

基于分布式图计算的学术论文推荐算法

针对海量论文数据导致的应用效率低下问题,提出一个基于层次混合模型的推荐算法WSVD++。该模型根据学术论文良好的结构特征,构建一个加权的论文二部图模型。首先对论文进行特征提取,按不同特征的权重构建论文的复合关系图;其次对关系图采用一种改进的PPR算法,计算每篇论文的重要程度,依此来对用户—论文关系进行加权;然后在构建好的加权二部图模型上混合SVD++图算法进行推荐。实验结果表明,改善了推荐算法学术论文的推荐效果,并且基于分布式图计算框架GraphX,扩展性好,适合大数据处理。     

基于MAS的个性化推荐系统架构研究

针对现有推荐系统的不足,提出了一个基于MAS(多Agent协作系统)的个性化推荐系统开发模型,并给出了该模型的工作原理,论述了该模型所采用的关键技术。     

基于二分图网络的总体多样性增强推荐算法

针对传统推荐算法过于强调推荐准确率而造成推荐系统“长尾”现象加剧问题,提出一种基于二分图网络的总体多样性增强推荐算法。首先,利用现有推荐算法生成的预测评分构建用户候选推荐列表,进而构建二分图网络模型。其次,设定项目容量对热门项目的推荐次数予以限制。最后,结合推荐增广路生成最终推荐列表。与现有的推荐多样性增强算法在真实电影评分数据集上进行实验对比。实验结果表明,本文算法在保证推荐准确率的同时能有效提高推荐的总体多样性。     

基于知识图嵌入的协同过滤推荐算法

利用知识图谱进行推荐的一个巨大挑战在于如何获取项目的结构化知识并对其进行语义特征提取.针对这一问题,提出了一种基于知识图嵌入的协同过滤推荐算法(KGECF).首先从Freebase知识图谱中提取与项目相关的知识信息,并与历史交互项目进行链接构建子知识库;然后通过基于TransR的Xavier-TransR方法得到子知识库中实体、关系表征;设计一种端到端的联合学习模型,将结构化信息与历史偏好信息嵌入到统一的向量空间中;最后利用协同过滤方法进一步计算这些向量并生成精确的推荐列表.在MovieLens-1 M和Amazon-book两个公开数据集上的实验表明,该算法在推荐准确率、召回率、F1值和NDCG四个指标上均优于基线方法,能够集成大规模的结构化和非结构化数据,同时获得高精度的推荐结果.     

基于图注意力的异构图社交推荐网络

针对现有社交推荐算法忽视了用户潜在关联和项目之间的协作关系,提出了一个新的算法模型GATHGN(GAT based heterogeneous graph neural network),在该模型框架中对用户关联和项目关系统一建模。首先,挖掘用户显式社交关系、潜在关联关系和用户—项目关联关系,从而提取用户社交高阶特征和潜在兴趣高阶特征;而后,基于图注意力机制聚合上述两种高阶特征,逐层更新用户融合特征;最后,依据更新的用户融合特征与项目特征计算最终的推荐结果。在Yelp数据集和Flickr数据集上的实验结果表明,GATHGN的命中率与归一化折损累计增益较基线算法有显著提升。     

知识图谱的推荐系统综述

如何为用户提供个性化推荐并提高推荐的准确度和用户满意度,是当前推荐系统研究面临的主要问题。知识图谱的出现为推荐系统的改进提供了新的途径。本文研究了知识图谱近年来在推荐系统中的应用情况,从基于本体的推荐生成、基于开放链接数据的推荐生成以及基于图嵌入的推荐生成3个方面对研究现状进行了综述。在此基础上,提出了基于知识图谱的推荐系统总体框架,分析了其中涉及的关键技术,并对目前存在的重点和难点问题进行了讨论,指出了下一步需要开展的研究工作。     

基于知识图谱和图注意力的众包任务推荐算法

为解决目前众包任务推荐存在未考虑任务文本信息和数据稀疏的问题,提出一种基于知识图谱与图注意力的众包任务推荐模型。该模型首先利用自然语言处理技术提取任务文本信息中的关键要素,用于丰富图谱信息和缓解数据稀疏性;通过融合用户—任务交互图中的协同信息来构建协同知识图谱,在协同知识图谱中按协同邻居的类型分别运用图注意力网络;为获取用户准确的偏好,聚合邻居信息时按注意力得分从高到低采样固定数目的邻居;最后通过聚合不同类型的协同信息生成用户和任务的嵌入表示并得到交互概率。在构建的众包数据集上进行实验的结果表明,该模型在AUC、精准率、召回率和NDCG四个指标上均优于基线模型,验证了模型的可行性和有效性。     

基于二分图划分联合聚类的协同过滤推荐算法

准确而积极地向用户提供他们可能感兴趣的信息或服务是推荐系统的主要任务。协同过滤是采用得最广泛的推荐算法之一,而数据稀疏的问题往往严重影响推荐质量。为了解决这个问题,提出了基于二分图划分联合聚类的协同过滤推荐算法。首先将用户与项目构建成二分图进行联合聚类,从而映射到低维潜在特征空间;其次根据聚类结果改进2种相似性计算策略:簇偏好相似性和评分相似性,并将二者相结合。基于结合的相似性,分别采用基于用户和项目的方法来获得对未知目标评分的预测。最后,将这些预测结果进行融合。实验结果表明,所提算法比最新的联合聚类协同过滤推荐算法具有更好的性能。     

基于频繁主题集偏好的学术论文推荐算法

针对学术论文推荐中项目冷启动问题,提出了一种基于频繁主题集偏好的协同主题回归模型。该算法考虑到用户在选择学术论文时对研究热点的偏好,使用频繁主题集代表研究热点,将用户对研究热点的偏好表示成用户对频繁主题集的偏好。通过潜在狄利克雷分布主题模型挖掘得到论文—主题概率分布矩阵,并筛选出论文中概率较高的主题;然后挖掘出频繁出现的主题集合,并得到论文—频繁主题集矩阵;最后在预测未知评分时融入用户对频繁主题集的偏好。在CiteULike数据集上的实验表明,相比于矩阵分解模型和协同主题回归模型,该算法在召回率、准确率和RMSE三个指标上都有所提升。     

面向图计算的运行时系统的消息聚合技术

图计算应用的通信模式以时空随机的点对点细粒度通信为主,但现有高性能计算机的网络系统应对大量细粒度通信时表现不佳,进而影响整体性能.虽然在应用层进行通信优化可以有效提升图计算应用性能,但这会给应用开发人员带来很大的负担,因此提出并实现结构动态的消息聚合技术,通过构建虚拟拓扑的方法在通信路径上增加中间点从而提升消息聚合的效...