典型文献
基于贝叶斯个性化排名和信息传播的TOP-K推荐算法
文献摘要：
图神经网络已成为推荐系统领域研究的热点.图神经网络固有的特性使其在训练时存在过平滑的问题.针对这一问题提出了一种基于贝叶斯个性化排名和信息传播的top-k推荐算法.该方法首先使用随机初始化对所有的用户和项目进行嵌入编码,然后将编码输入简化过的图神经网络进行信息传播并训练.每当达到一定的训练次数后将嵌入向量跳过信息传播,使用基于贝叶斯个性化排名的矩阵分解进行训练.最后使用内积计算用户对项目的偏好程度并生成top-k推荐列表.实验结果表明,本算法可以有效缓解图神经网络的过平滑问题,并提高推荐结果的质量.
文献关键词：
贝叶斯个性化排名;图神经网络;隐语义模型
中图分类号：
作者姓名：
王志远;闭应洲;武文霖;邓超文;朱名军
作者机构：
南宁师范大学 计算机与信息工程学院,广西 南宁 530199
文献出处：
引用格式：
[1]王志远;闭应洲;武文霖;邓超文;朱名军-.基于贝叶斯个性化排名和信息传播的TOP-K推荐算法)[J].南宁师范大学学报（自然科学版）,2022(04):44-48
A类：
贝叶斯个性化排名
B类：
信息传播,TOP,推荐算法,图神经网络,推荐系统,过平滑,top,初始化,入编,每当,嵌入向量,矩阵分解,内积,列表,隐语义模型
AB值：
0.260896
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
