检索结果

Select

1. 结合异构关系增强图神经网络的社交推荐

王永贵, 时启文

《计算机应用》唯一官方网站 2023, 43 (11): 3464-3471. DOI: 10.11772/j.issn.1001-9081.2022111774

摘要（133）

HTML （2）

PDF （1897KB）（81）

社交推荐旨在利用用户的社会属性推荐潜在的感兴趣项目，有效缓解了数据稀疏性和冷启动问题。然而现有的社交推荐算法主要面向单一社交关系进行研究，社会属性难以充分参与计算，存在未能合理利用社会异构关系和节点特征表示质量不高的问题，为此提出一种结合异构关系增强图神经网络的社交推荐模型（HR-GNN）。HR?GNN利用图卷积网络（GCN）聚合用户和项目节点信息，生成查询嵌入以查询节点信息；通过将抽样概率与邻居节点之间的一致性分数相结合的邻居抽样策略挖掘社会异构关系；用自注意力机制聚合节点信息以提高用户和项目特征表示的质量。在两个真实数据集上进行的实验结果表明，所提算法在平均绝对误差（MAE）和均方根误差（RMSE）两个指标上相较于基准算法均有明显改进，在Ciao数据集上它们分别至少降低了1.80%和1.35%，在Epinions数据集上则分别至少降低了2.80%和3.18%，验证了HR-GNN的有效性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于局部远亲差分增强的扰动粒子群优化算法

王永贵, 胡彩云, 李鑫

计算机应用 2018, 38 (5): 1239-1244. DOI: 10.11772/j.issn.1001-9081.2017102557

摘要（344）

PDF （1070KB）（405）

针对粒子群优化（PSO）算法在搜索过程中因个体间缺乏交互，使种群逐渐丧失多样性、导致算法陷入局部极值的问题，提出了一种基于局部远亲差分增强的扰动粒子群优化算法（LFDE-PPSO）。首先，为扩大种群搜索空间，在速度更新过程中引入扰动因子，使惯性权重、学习因子在小范围内波动；其次，引入重构概率，选择适应度值低的个体重建中间种群；最后，为增加种群多样性，使较差个体的优秀基因得以保留，引入粒子不相关性及远亲个体，利用不相关性选择与差分个体基因差异性较大的远亲进行差分增强。实验结果表明，所提算法能够使中间种群中适应度值高的个体得以保留，有效增加种群多样性，使种群具备较强的跳脱局部极值能力，加快粒子逼近全局最优，同时具有收敛快、精度高等优点。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于改进聚类和矩阵分解的协同过滤推荐算法

王永贵, 宋真真, 肖成龙

计算机应用 2018, 38 (4): 1001-1006. DOI: 10.11772/j.issn.1001-9081.2017092314

摘要（456）

PDF （899KB）（517）

大数据背景下，对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题，提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充，并引入了时间衰减函数预处理用户评分，用项目的属性向量来表征项目，用用户的兴趣向量来表征用户，通过 k-means聚类算法对用户和项目分别进行聚类；然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集，产生推荐。实验结果表明，该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题，而且还可以在多维度下反映用户的兴趣变化，推荐算法的准确度明显提升。

参考文献 | 相关文章 | 多维度评价