AttentionRank^+:一种基于关注关系与多用户行为的图推荐算法

该文提出一种基于关注关系和多用户行为的图推荐算法AttentionRank+,目的是为网络系统用户提供感兴趣的物品推荐.算法思路如下:首先根据用户对物品的多种反馈建立"用户-物品"反馈图,根据用户间的关注行为建立用户兴趣图;分别从每个用户节点出发,在反馈图上完成一轮Random Walk,得到每个用户节点与反馈图上各节点间的相似度;将用户节点与物品节点的相似度信息在兴趣图上进行扩散,计算通过关注关系扩散后用户节点与物品节点间新的相似度;重复上述Random Walk和信息扩散的过程,直到反馈图上用户节点与各节点间的相似度收敛到稳定值;最后根据用户节点与物品节点间的相似度信息,计算每个用户的物品推荐列表.该文采用包含关注、收藏、上传等用户行为的YouKu数据集对推荐算法进行评价,实验结果表明AttentionRank+能够在用户行为稀疏的情况下,为用户提供高质量的视频推荐.