为了缓解推荐系统中不同用户社交空间与兴趣空间的内在信息差异和忽视高阶邻居的问题,提出了一种融合用户社交关系的自适应图卷积推荐算法(adaptive graph convolutional recommendation algorithm integrating user social relationshi...为了缓解推荐系统中不同用户社交空间与兴趣空间的内在信息差异和忽视高阶邻居的问题,提出了一种融合用户社交关系的自适应图卷积推荐算法(adaptive graph convolutional recommendation algorithm integrating user social relationships,AGCRSR)。首先,模型在嵌入层使用映射矩阵将初始特征向量转换为自适应嵌入;其次,引入注意力机制聚合不同方面的用户嵌入,通过图卷积网络来线性学习用户和项目的潜在表示;最后,通过自适应模块聚合用户表示并利用内积函数预测用户对项目的最终推荐结果。在数据集LastFM和Ciao上与其他基线算法进行了对比实验,实验结果表明AGCRSR的推荐效果较其他算法有显著提升。展开更多
在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路...在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路由中.针对这一思想,本文提出了基于社交圈划分和相遇时间预测的机会网络路由算法SCEP(Social Circle division and Encounter time Prediction).该算法关注两个节点形成的直接关系与节点的社会属性特征,定义了基于强社交关系的熟悉集合拓扑,基于熟悉集合的概念以分布式方式开发社区,节点社区的合并受某些规则的约束,并对过时节点进行拓扑剪裁.同时,本文基于节点间相遇的时间间隔序列建模,利用节点间相遇历史数据预测下一次通信的时间.消息的路由通过利用社区、亲密节点集和可预测的通信时间等因素来实现.仿真实验结果表明,与EpSoc,CARA,SAAD,Prophet、NBAPR这5种算法相比,SCEP的性能更好.展开更多
文摘为了缓解推荐系统中不同用户社交空间与兴趣空间的内在信息差异和忽视高阶邻居的问题,提出了一种融合用户社交关系的自适应图卷积推荐算法(adaptive graph convolutional recommendation algorithm integrating user social relationships,AGCRSR)。首先,模型在嵌入层使用映射矩阵将初始特征向量转换为自适应嵌入;其次,引入注意力机制聚合不同方面的用户嵌入,通过图卷积网络来线性学习用户和项目的潜在表示;最后,通过自适应模块聚合用户表示并利用内积函数预测用户对项目的最终推荐结果。在数据集LastFM和Ciao上与其他基线算法进行了对比实验,实验结果表明AGCRSR的推荐效果较其他算法有显著提升。
文摘在机会网络中,节点的行为模式会表现出一定的社交特征,节点往往因相似的移动模式和固定的活动范围,在动态异构网络中表现出一定的集群特性,形成一个个拥有相似社会特征的独特小团体.节点的社会属性表现出长期的稳定性,可以有效应用在路由中.针对这一思想,本文提出了基于社交圈划分和相遇时间预测的机会网络路由算法SCEP(Social Circle division and Encounter time Prediction).该算法关注两个节点形成的直接关系与节点的社会属性特征,定义了基于强社交关系的熟悉集合拓扑,基于熟悉集合的概念以分布式方式开发社区,节点社区的合并受某些规则的约束,并对过时节点进行拓扑剪裁.同时,本文基于节点间相遇的时间间隔序列建模,利用节点间相遇历史数据预测下一次通信的时间.消息的路由通过利用社区、亲密节点集和可预测的通信时间等因素来实现.仿真实验结果表明,与EpSoc,CARA,SAAD,Prophet、NBAPR这5种算法相比,SCEP的性能更好.