附件:设置1:设置2:设置3:本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式, 研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系, 使用图学习的方式探索用户和产品的潜在关联, 弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足, 形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性, 运用社交网络和知识图谱等辅助信息, 缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题, 提高推荐系统的准确性和多样性, 为推荐系统技术的发展提供可参考的方向。摘要:有书目 (第152-155页)
附注提要
本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式, 研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系, 使用图学习的方式探索用户和产品的潜在关联, 弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足, 形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性, 运用社交网络和知识图谱等辅助信息, 缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题, 提高推荐系统的准确性和多样性, 为推荐系统技术的发展提供可参考的方向。