检索结果-内蒙古大学图书馆

计算机应用 2025年第4期45卷 1205-1212页

作者：王聪史艳翠天津科技大学人工智能学院天津300457

针对现有基于图神经网络(GNN)的群组推荐模型难以充分利用显隐式交互信息的问题,提出一种基于多视角学习的GNN群组推荐(GRGM)模型。先根据群组交互数据构造超图、二分图和超图投影图,并针对各个图结构的特性采用相应的GNN提取图节点特征... 详细信息

针对现有基于图神经网络(GNN)的群组推荐模型难以充分利用显隐式交互信息的问题,提出一种基于多视角学习的GNN群组推荐(GRGM)模型。先根据群组交互数据构造超图、二分图和超图投影图,并针对各个图结构的特性采用相应的GNN提取图节点特征,从而充分表达用户、群组和项目之间的显隐式关系;再提出一种多视角信息融合策略,以获取最终的群组和项目表示。在Mafengwo、CAMRa2011和Weeplaces数据集上的实验结果表明,相较于基线模型ConsRec,GRGM模型的命中率(HR@5、HR@10)和归一化折损累计增益(NDCG@5、NDCG@10)在Mafengwo数据集上分别提升了3.38%、1.96%和3.67%、3.84%,在CAMRa2011数据集上分别提升了2.87%、1.18%和0.96%、1.62%,在Weeplaces数据集上分别提升了2.41%、1.69%和4.35%、2.60%。可见,GRGM模型相较于对比模型具有更好的推荐性能。

关键词：群组推荐图神经网络多视角学习超图隐式信息

来源：评论

学校读者我要写书评

暂无评论

偏好融合的旅游群组景点推荐:基于深度学习的框架模型

引用

系统科学与数学 2025年第2期45卷 470-484页

作者：朱志国孙怡王谢宁万校基东北财经大学管理科学与工程学院大连116025 辽宁省大数据管理与优化决策重点实验室大连116025 华侨大学工商管理学院泉州362021

随着“马蜂窝”等社交媒体的广泛兴起,更多的游客从传统标准的“跟团游”转向灵活自由的“结伴游”.不同于传统的用户个性化推荐,为类似的旅游群组精准推荐景点时,如何更好融合众多成员的异质旅游偏好,已成为当前旅游行业中具有重要实... 详细信息

随着“马蜂窝”等社交媒体的广泛兴起,更多的游客从传统标准的“跟团游”转向灵活自由的“结伴游”.不同于传统的用户个性化推荐,为类似的旅游群组精准推荐景点时,如何更好融合众多成员的异质旅游偏好,已成为当前旅游行业中具有重要实践价值的热点研究问题.为此,文章首先采用局部异常点检测方法识别兴趣差异较大的离群用户,初步进行旅游群组的聚类.接下来,基于先进的深度学习方法,提出神经协同旅游群组推荐模型ANC-TGR.该模型通过巧妙设计的“项目级”和“用户级”两层注意力神经网络,准确聚合群组的共同旅游偏好,并进一步输入至一个神经协同过滤推荐框架中,捕捉群组与项目间的高阶交互关系.最终,为旅游群组进行Top-N的景点推荐服务.实验结果证实,提出的模型ANC-TGR由于进一步优化融合旅游群组的偏好表示,与最优的基准模型相比,在Mafengwo(有群组)和Foursquare(无群组)两个数据集中,在HR@10和NDCG@10指标上,分别提升了10.45%和10.48%,以及10.07%和10.87%.文章为提高旅游群组的景点推荐准确性和出行满意度提供了技术方法支持.

关键词：旅游推荐群组推荐深度学习注意力机制神经协同过滤推荐

来源：评论

学校读者我要写书评

暂无评论

基于动态卷积概率矩阵分解的潜在群组推荐

引用

计算机研究与发展 2017年第8期54卷 1853-1863页

作者：王海艳董茂伟南京邮电大学计算机学院南京210023 江苏省无线传感网高技术研究重点实验室南京210003 江苏省大数据安全与智能处理重点实验室南京210023

近年来,群组推荐由于其良好的实用价值得到了广泛关注.然而,已有的群组推荐方法大多都是根据分析用户对服务的评分矩阵直接将个体用户的推荐结果或个体用户偏好进行聚合,没有综合地考虑用户-群组-服务这三者间的联系,导致群组推荐效果欠... 详细信息

近年来,群组推荐由于其良好的实用价值得到了广泛关注.然而,已有的群组推荐方法大多都是根据分析用户对服务的评分矩阵直接将个体用户的推荐结果或个体用户偏好进行聚合,没有综合地考虑用户-群组-服务这三者间的联系,导致群组推荐效果欠佳.受潜在因子模型与状态空间模型启发,结合评分矩阵、服务描述文档以及时间因素,共同分析用户-群组-服务间的联系,提出了一种基于动态卷积概率矩阵分解的群组推荐方法.该方法首先利用基于卷积神经网络的文本表示方法获取服务潜在特征模型的先验分布;然后,将状态空间模型与概率矩阵分解模型相结合,获得用户潜在偏好向量与服务特征向量;之后,对用户偏好向量运用聚类算法来发现潜在的群组;最终,对群组中的用户偏好采取均值策略融合成群组偏好向量,并与服务特征向量共同生成群组对服务的评分,实现群组推荐.通过在MovieLens数据集上与同类方法进行对比实验,发现所提方法的推荐有效性与精确性上更具有优势.

关键词：卷积神经网络概率矩阵分解状态空间模型聚类算法群组推荐

来源：评论

学校读者我要写书评

暂无评论

面向群组推荐的个性化隐私保护方法

引用

通信学报 2019年第9期40卷 106-115页

作者：王海艳陆金祥南京邮电大学计算机学院江苏南京210023 南京邮电大学江苏省大数据安全与智能处理重点实验室江苏南京210023

为解决现有的隐私保护方法不能很好地满足群组推荐中用户的个性化隐私需求的问题,提出了一种面向群组推荐的基于可信客户端的个性化隐私保护框架及基于此框架的群组敏感偏好保护方法。所提方法在可信客户端收集群组内用户的历史数据以... 详细信息

为解决现有的隐私保护方法不能很好地满足群组推荐中用户的个性化隐私需求的问题,提出了一种面向群组推荐的基于可信客户端的个性化隐私保护框架及基于此框架的群组敏感偏好保护方法。所提方法在可信客户端收集群组内用户的历史数据以及隐私偏好需求,利用用户敏感主题相似性发现组内相似用户,通过对前k个用户进行随机的协同扰动,实现群组内用户的个性化隐私保护。仿真对比实验表明,所提的个性化隐私保护方法能够满足不同用户的隐私需求,具有更好的性能。

关键词：群组推荐个性化隐私保护随机化扰动 k-匿名

来源：评论

学校读者我要写书评

暂无评论

融合纳什均衡策略和神经协同过滤的群组推荐方法

引用

模式识别与人工智能 2022年第5期35卷 412-421页

作者：李琳王培培杜佳周栋武汉理工大学计算机与人工智能学院武汉430070 湖南科技大学计算机科学与工程学院湘潭411201

群组推荐中的核心问题是群组成员的偏好融合.传统的融合策略大多属于单一型策略,在一定程度上无法更好地满足群组的整体偏好需求.为此,文中提出融合纳什均衡策略和神经协同过滤的群组推荐方法.首先,通过多层感知机获得用户与项目之间潜... 详细信息

群组推荐中的核心问题是群组成员的偏好融合.传统的融合策略大多属于单一型策略,在一定程度上无法更好地满足群组的整体偏好需求.为此,文中提出融合纳什均衡策略和神经协同过滤的群组推荐方法.首先,通过多层感知机获得用户与项目之间潜在特征向量的非线性交互,并联合潜在因子模型和多层感知机实现用户与项目之间的协同过滤推荐.然后,基于个体的推荐评分设计基于纳什均衡的融合策略,更好地保证群组成员的平均满意度达到最大化.最后,在KDD CUP数据集上的实验表明,文中方法在推荐模型和融合策略方面都具有较优的推荐性能.

关键词：协同过滤纳什均衡神经网络群组推荐

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的群组推荐方法研究综述

引用

自动化学报 2024年第12期50卷 2301-2324页

作者：郑楠章颂刘玉桥王雨桐王飞跃中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190 中国科学院大学人工智能学院北京100049 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190

群组推荐在信息检索与数据挖掘领域近年来备受关注,其旨在从海量候选集中挑选出一组用户可能感兴趣的项目.随着深度学习技术的不断发展,基于深度学习的群组推荐方法大量涌现.鉴于此,首先介绍群组推荐问题的背景知识,然后系统综述数据获... 详细信息

群组推荐在信息检索与数据挖掘领域近年来备受关注,其旨在从海量候选集中挑选出一组用户可能感兴趣的项目.随着深度学习技术的不断发展,基于深度学习的群组推荐方法大量涌现.鉴于此,首先介绍群组推荐问题的背景知识,然后系统综述数据获取方法,全面评述近年来基于深度学习的群组推荐算法,并进行系统分类与深入分析.此外,还归纳了适用于深度学习方法的群组推荐数据集和评价方法,对各类推荐算法进行对比实验分析与讨论.最后,针对本领域的研究难点进行深入探讨,并提出未来有待深入研究的方向.

关键词：群组推荐推荐系统综述深度学习群组表示学习

来源：评论

学校读者我要写书评

暂无评论

融合自注意力和图卷积的多视图群组推荐

引用

计算机工程与应用 2024年第8期60卷 287-295页

作者：王永贵王芯茹辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

为了解决大多数现有的群组推荐仅仅从群组和用户的单一交互中学习群组表示,以及固定融合策略难以动态调整权重的问题。提出了一种融合自注意力和图卷积的多视图群组推荐模型(MVGR),设计了成员级、项目级和组级三个不同的视图,来捕捉群... 详细信息

为了解决大多数现有的群组推荐仅仅从群组和用户的单一交互中学习群组表示,以及固定融合策略难以动态调整权重的问题。提出了一种融合自注意力和图卷积的多视图群组推荐模型(MVGR),设计了成员级、项目级和组级三个不同的视图,来捕捉群组、用户和项目三者之间的高阶交互信息,缓解数据稀疏问题,增强群组表示建模过程;对于项目级视图,利用基于二分图的图卷积神经网络来学习群组偏好向量以及项目嵌入;进一步提出了自适应融合组件来动态调整不同视图权重,得到最终的群组偏好向量。在两个真实数据集上的实验结果表明,与基线模型相比,MVGR模型的命中率(HR)和归一化折损累计增益(NDCG)在Mafengwo数据集上平均提高了8.89个百分点和1.56个百分点,在CAMRa2011数据集上平均提高了2.79个百分点和2.7个百分点。

关键词：群组推荐自注意力机制图卷积神经网络自适应融合

来源：评论

学校读者我要写书评

暂无评论

融合群体兴趣和核心用户影响的群组推荐方法研究

引用

情报理论与实践 2024年第6期47卷 147-153页

作者：谭春辉涂瑞德华中师范大学信息管理学院湖北武汉430079

[目的/意义]为提高群组推荐准确率和可解释性,针对现有的群组推荐方法较少关注群组内核心用户对群体兴趣的影响,综合考虑群组整体兴趣和群组内核心用户对其他用户的影响,提出融合群体兴趣和核心用户影响的群组推荐方法。[方法/过程]首先... 详细信息

[目的/意义]为提高群组推荐准确率和可解释性,针对现有的群组推荐方法较少关注群组内核心用户对群体兴趣的影响,综合考虑群组整体兴趣和群组内核心用户对其他用户的影响,提出融合群体兴趣和核心用户影响的群组推荐方法。[方法/过程]首先,借鉴h指数思想计算群组内每个用户的影响力,识别群组内核心用户;其次,利用LDA主题模型进行群体兴趣建模和核心用户兴趣建模;最后,综合考虑群组中用户自身兴趣和其受核心用户影响而产生的兴趣进行资源推荐服务。[结果/结论]利用微博数据进行实证,验证了此方法的有效性。

关键词：群组推荐群体兴趣核心用户影响 LDA主题模型资源推荐

来源：评论

学校读者我要写书评

暂无评论

结合用户共同意图及社交关系的群组推荐方法

引用

计算机科学与探索 2024年第5期18卷 1368-1382页

作者：钱忠胜张丁李端明王亚惠姚昌森俞情媛江西财经大学信息管理学院南昌330013

已有的群组推荐模型,在求解用户表示时大多比较单调且仅简单利用用户间的社交关系,使得用户表示不够准确,并且大都未考虑用户共同意图以及社交关系对群组偏好的影响,导致推荐的项目很难符合用户的需求。基于此,提出一种结合用户共同意... 详细信息

已有的群组推荐模型,在求解用户表示时大多比较单调且仅简单利用用户间的社交关系,使得用户表示不够准确,并且大都未考虑用户共同意图以及社交关系对群组偏好的影响,导致推荐的项目很难符合用户的需求。基于此,提出一种结合用户共同意图及社交关系的群组推荐模型(GR-UCISI)。首先构造用户-项目交互历史与社交关系相结合的用户意图分离模型,利用图神经网络采集每个用户的用户-项目交互以及社交关系信息,求解用户意图和项目表示;其次利用网络游走算法与K-means聚类算法将用户分组,结合用户群组、用户意图以及群组意图聚合过程获取群组共同意图表示;最后根据群组共同意图表示与项目表示得出群组推荐项目列表。该方法充分考虑到用户的个性以及群组成员间的共性对群组偏好的影响,同时结合社交关系缓解数据稀疏性问题,提升模型性能。实验结果表明,与9个对比模型中推荐效果最好的模型相比,在Gowalla数据集上,GR-UCISI的Precision和NDCG指标值分别提高3.01%和5.26%;在Yelp-2018数据集上,GR-UCISI的Precision和NDCG指标值分别提高2.96%和1.12%。

关键词：群组推荐用户共同意图社交关系图神经网络

来源：评论

学校读者我要写书评

暂无评论

融合概率矩阵分解与ER规则的群组推荐方法

引用

计算机工程与应用 2023年第5期59卷 252-261页

作者：王永贵张鉴辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

群组推荐需要同时考虑一组内所有成员的偏好,通过融合成员偏好进而向群组推荐项目。现有的对于组推荐方法的研究中大多都将相同的权重分配给群组中所有用户,而未考虑在现实生活中不同组成员的重要性和可靠性应不同。针对该问题,提出一... 详细信息

群组推荐需要同时考虑一组内所有成员的偏好,通过融合成员偏好进而向群组推荐项目。现有的对于组推荐方法的研究中大多都将相同的权重分配给群组中所有用户,而未考虑在现实生活中不同组成员的重要性和可靠性应不同。针对该问题,提出一种新的融合概率矩阵分解与证据推理(evidence reasoning,ER)规则的群组推荐方法(FPMF-ER),以改进群组推荐中个体预测和偏好融合的过程。联合用户关系信息对经典概率矩阵分解加以改进,以获取更为完整、精准的个人预测评分;在组成员偏好融合的过程中引入ER规则,根据组成员的权重和可靠性识别群组成员的影响力,使偏好融合更为合理、准确。为了验证该方法的有效性,在Book-Crossing数据集上进行了对比实验,实验结果表明,相较于最优的基准模型,FPMF-ER的推荐结果准确性和用户满意度分别至少提高了2.55%和2.06%。

关键词：群组推荐用户相关性概率矩阵分解证据推理规则

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：