一种基于自外积异构信息网络的改进推荐模型

网络嵌入是近年来大数据领域的研究热点。异构信息网络(HIN)已被提取用于提高推荐系统的性能,然而现有的提取方法没有考虑到向量自身的不同维度交互暗含的有用信息。为此,文章提出一种基于自外积的异构信息网络模型(HSopRec)用于改进推荐系统的性能。该模型能够通过自外积的方式有效地提取用户和物品原本暗含在异构信息网络的潜在关系。在世界开放商业数据集Yelp上进行的推荐性能的验证结果表明,与现有其他异构网络模型相比,HSopRec模型展现了更好的效果。