通过动态时间跨度定义的长短期偏好的异构图建模进行社交推荐
社会与信息网络
2024-12-12 v2 人工智能
计算工程、金融与科学
摘要
社交推荐已在众多领域得到广泛应用。近年来，图神经网络（GNN）因其在图表示学习中的成功而被应用于推荐系统。然而，处理社交网络数据的动态特性是一个挑战。本研究提出了一种新方法，通过在异构图中融入社交网络数据的动态特性来进行社交推荐。该模型旨在通过添加周期节点来定义用户的长短期偏好，并聚合分配的边权重，从而在不涉及动态图复杂性的情况下捕捉用户随时间变化的偏好。该模型应用于真实数据以论证其优越性能。有希望的结果证明了该模型的有效性。
引用
@article{arxiv.2312.14306,
title = {Social Recommendation through Heterogeneous Graph Modeling of the Long-term and Short-term Preference Defined by Dynamic Time Spans},
author = {Behafarid Mohammad Jafari and Xiao Luo and Ali Jafari},
journal= {arXiv preprint arXiv:2312.14306},
year = {2024}
}