基於網路特徵學習的個性化推薦系統

內容簡介

本書主要介紹如何學習網路中的節點表征，並將其套用到推薦系統中，重點研究了推薦系統中的三種各具代表性的網路：用戶產品互動的二分圖，用戶端的社交網路，產品端的知識圖譜。本書系統性地研究了三種網路的建模，提出了針對不同種類的網路在多個層面將網路信息和推薦系統進行結合的解決方案。這些解決方案獲得了學術界的廣泛關注，有些方案已經在實際的工業場景中落地，具有很強的學術和產業價值。

本書能夠對推薦系統領域起到一些引導作用，並對圖機器學習領域的研究人員提供更多套用方向的啟發。

圖書目錄

叢書序

導師序

摘要

ABSTRACT

第1章緒論

1.1 課題背景及意義

1.2 推薦系統概述

1.2.1 傳統推薦系統方法分類

1.2.2 推薦系統最新的研究熱點和方向

1.3 網路特徵學習概述

1.3.1 背景介紹

1.3.2 輸入網路的種類

1.3.3 輸出特徵的種類

1.3.4 典型方法

1.4 本文研究內容及結構安排

第2章套用於推薦系統互動圖的網路特徵學習方法

2.1 引言

2.2 生成對抗式的網路特徵學習

2.2.1 GraphGAN 模型框架

2.2.2 判別器和生成器的實現與訓練

2.3 網路結構感知的歸一化指數函式

2.3.1 graph softmax 的設計

2.3.2 性質證明

2.3.3 生成策略

2.3.4 複雜度分析

2.4 性能驗證

2.4.1 實驗準備工作

2.4.2 實證研究

2.4.3 實驗結果

2.4.4 超參數敏感性

2.5 本章小結

第3章社交網路輔助的推薦系統——基於特徵的方法

3.1 引言

3.2 數據集構建

3.3 有符號異構網路特徵學習

3.3.1 情感符號預測的問題描述

3.3.2 有符號異構網路特徵學習模型

3.3.3 相關討論

3.4 性能驗證

3.4.1 實驗準備工作

3.4.2 實驗結果

3.4.3 超參數敏感性

3.5 本章小結

第4章社交網路輔助的推薦系統——基於結構的方法

4.1 引言

4.2 背景知識和數據集分析

基於網路特徵學習的個性化推薦系統

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條