面向推荐的异质信息网络嵌入
社会与信息网络
2017-11-30 v1
摘要
由于建模数据异质性的灵活性，异质信息网络(HIN)已被采用以刻画推荐系统中复杂且异质的辅助数据，称为基于 HIN 的推荐。在从 HIN 中提取和利用信息两方面开发基于 HIN 推荐的有效方法都具有挑战性。大多数基于 HIN 的推荐方法依赖基于路径的相似性，无法充分挖掘用户和物品的潜在结构特征。在本文中，我们提出一种新颖的基于异质网络嵌入的用于基于 HIN 推荐的方法，称为 HERec。为嵌入 HIN，我们设计一种基于元路径的随机游走策略以生成有意义的节点序列用于网络嵌入。学习到的节点嵌入首先经一组融合函数变换，随后集成到一个扩展的矩阵分解(MF)模型中。该扩展 MF 模型与融合函数针对评分预测任务联合优化。在三个真实世界数据集上的大量实验证明了 HERec 模型的有效性。此外，我们展示了 HERec 模型处理冷启动问题的能力，并揭示来自 HIN 的变换嵌入信息可改善推荐性能。
引用
@article{arxiv.1711.10730,
title = {Heterogeneous Information Network Embedding for Recommendation},
author = {Chuan Shi and Binbin Hu and Wayne Xin Zhao and Philip S. Yu},
journal= {arXiv preprint arXiv:1711.10730},
year = {2017}
}