基于图嵌入表示的协同过滤推荐算法*
 

摘  要: 现有的协同过滤算法主要依赖人工特征提取，基于用户评分数据来计算用户相似度，并采用浅层模型进行预测评分，缺乏对用户和项目的深层特征表示进行学习。该文提出基于图嵌入表示的协同过滤推荐算法，即将用户和项目看成是图中的顶点，用户在项目上的评分看成是图上边的权重，然后利用DNRG模型训练用户和项目的图嵌入表示，并根据训练得到的用户嵌入表示和项目嵌入表示分别计算用户之间和项目之间的相似度，最后采用用户嵌入表示、用户聚类和双向预测三种方法去预测用户的评分。经过Movielens数据集的验证，该文算法能够很好地缓解数据稀疏性，在RMSE、MAE指标上相比现有的协同过滤算法有一定提升。

 

关键词:  图嵌入表示；协同过滤；推荐算法