普适个性化多媒体服务技术综述

随着数字技术和通信技术的快速发展,越来越多的普适设备能够接收和处理更多的多媒体信息。提供面向普适环境的多媒体个性化服务成为今天研究的热点。从普适个性化多媒体服务研究的不同侧面对其进行了综述,介绍了普适个性化多媒体服务的通用体系结构;对实现普适个性化多媒体服务的关键技术进行了详细的描述,包括描述模型、媒体代码转换与适应技术、用户喜好获取与更新和多媒体推荐技术;最后总结了现有的研究及其不足,指出进一步需要研究的方向。

基于解耦图神经网络的可解释标签感知推荐算法

标签感知推荐算法利用标签标注数据提升推荐模型对用户偏好和项目属性的理解,受到业界的广泛关注.但是,现有方法常忽视了用户关注点、项目属性和标签含义的多样性,干扰了三者关系推断,从而影响推荐结果.因此,提出一种基于解耦图神经网络的可解释标签感知推荐算法(DETRec),解构用户、项目和标签的关注角度,并由此形成可解释的推荐依据.具体来讲,DETRec构造关系图以建模用户、项目和标签的关系;通过邻域路由机制和消息传播机制,分离结点形成属性子图,以描述不同属性下的结点关系;最终根据属性子图形成推荐依据.实现了两种DETRec实例:单图实例(DETRec-S)在单个关系图中描述全部结点关系;多图实例(DETRec-M)使用3个二分图分别描述用户-项目、项目-标签、用户-标签关系.在3个公开数据集上进行的大量实验表明,DETRec的两种实例均明显优于标签感知推荐的基准模型,也为推荐结果生成了对应的推荐依据,是有效的可解释标签感知推荐算法.