典型文献
自注意力机制的属性异构信息网络嵌入的商品推荐
文献摘要：
基于异构信息网络嵌入的推荐技术能够有效地捕捉网络中的结构信息,从而提升推荐性能.然而现有的基于异构信息网络嵌入的推荐技术不仅忽略了节点的属性信息与节点间多种类型的边关系,还忽略了节点不同的属性信息对推荐结果不同的影响.为了解决上述问题,提出一个自注意力机制的属性异构信息网络嵌入的商品推荐(attributed heterogeneous information network embedding with self-attention mechanism for product recommendation,AHNER)框架.该框架利用属性异构信息网络嵌入学习用户与商品统一、低维的嵌入表示,并在学习节点嵌入表示时,考虑到不同属性信息对推荐结果的影响不同和不同边关系反映用户对商品不同程度的偏好,引入自注意力机制挖掘节点属性信息与不同边类型所蕴含的潜在信息并学习属性嵌入表示.与此同时,为了克服传统点积方法作为匹配函数的局限性,该框架还利用深度神经网络学习更有效的匹配函数解决推荐问题.AHNER在3个公开数据集上进行大量的实验评估性能,实验结果表明AHNER的可行性与有效性.
文献关键词：
网络嵌入;属性异构信息网络;自注意力机制;商品推荐;深度神经网络
中图分类号：
作者姓名：
王宏琳;杨丹;聂铁铮;寇月
作者机构：
辽宁科技大学计算机与软件工程学院 辽宁鞍山 114051;东北大学计算机科学与工程学院 沈阳 110169
文献出处：
引用格式：
[1]王宏琳;杨丹;聂铁铮;寇月-.自注意力机制的属性异构信息网络嵌入的商品推荐)[J].计算机研究与发展,2022(07):1509-1521
A类：
属性异构信息网络,AHNER
B类：
自注意力机制,信息网络嵌入,商品推荐,结构信息,推荐性,属性信息,多种类型,边关,attributed,heterogeneous,information,network,embedding,self,attention,mechanism,product,recommendation,嵌入学习,习用,低维,嵌入表示,节点嵌入,同属,同边,节点属性,深度神经网络,神经网络学习,公开数据集,实验评估
AB值：
0.231097
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。
