DySR：一种基于动态表示学习与对齐的服务包推荐模型
人工智能
2021-08-10 v1
摘要
可用服务的数量与多样性不断增长，给需求满足过程中的有效服务复用带来显著挑战。已有诸多服务包推荐研究并取得瞩目成果。然而，这些方法的性能仍有很大提升空间。这些研究的根本问题在于忽视了服务随时间的演化以及服务与需求间的表示鸿沟。本文中，我们提出一种名为 DySR 的基于动态表示学习与对齐的模型以应对这些问题。DySR 通过学习一个变换函数消除服务与需求间的表示鸿沟，并借助动态图表示学习在演化的社交环境中获取服务表示。在来自 ProgrammableWeb 的真实数据集上开展的广泛实验表明，DySR 在常用评估指标上优于现有最先进方法，将 从 提升至 。
引用
@article{arxiv.2108.03360,
title = {DySR: A Dynamic Representation Learning and Aligning based Model for Service Bundle Recommendation},
author = {Mingyi Liu and Zhiying Tu and Xiaofei Xu and Zhongjie Wang},
journal= {arXiv preprint arXiv:2108.03360},
year = {2021}
}