| 用于冷启动推荐的异质信息网络对比元学习 |
| |
| 作者姓名： | 方阳 谭真 陈子阳 肖卫东 张玲玲 田锋 |
| |
| 作者单位： | 1 国防科技大学 信息系统工程重点实验室, 湖南 长沙 410073;2 西安交通大学 计算机科技与技术学院, 陕西 西安 710049;3 西安交通大学 电子与信息学部, 陕西 西安 710049 |
| |
| 基金项目： | 国家自然科学基金(61902417, 71971212, 62106190); CCF-联想蓝海科研基金资助项目; 科技创新2030“新一代人工智能”重大专项（2020AAA0108800） |
| |
| 摘 要： | 在推荐系统中,冷启动推荐由于缺乏用户和物品交互信息而具有很大的挑战性.该问题可以由数据层和模型层的策略进行缓解.传统的数据层方法利用如特征信息的辅助信息来增强用户和物品表示的学习.最近,异质信息网络被整合于推荐系统中.它可以提供更丰富的辅助信息和更有意义的语义信息.但是,这些模型无法充分利用结构和语义信息,并且忽视了网络中的无标签信息.模型层的方法应用了元学习框架,该框架通过学习相似任务的先验知识然后利用很少的标签信息适应新任务,与冷启动问题相似.综上,我们提出了一个基于异质信息网络的对比元学习框架CM-HIN,同时在数据层和模型层解决冷启动问题.具体的,利用元路径和网络模式两个视图分别刻画异质信息网络的高阶以及本地结构信息.在元路径和网络模式视图中,采用对比学习挖掘异质信息网络的无标签信息并整合两个视图.在三个基准数据集上的三个冷启动推荐场景的大量实验中,CM-HIN超越了所有先进的基线模型.
|
| 关 键 词： | 冷启动推荐 异质信息网络 元学习 对比学习 |
| 收稿时间： | 2022-07-05 |
| 修稿时间： | 2022-12-14 |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载免费的PDF全文 |
|
