复杂网络上基于多维特征表示学习的推荐算法

网络表示学习可以有效地解决推荐所面临的数据稀疏问题。本文改进了LINE算法和DeepWalk算法的网络表示学习，提出了一种混合推荐算法，并将其应用于电影推荐场景。该算法通过学习用户偏好特征、厌恶特征和相似用户特征，生成三个低维特征向量。将三个低维特征向量线性组合成用户表示向量，以余弦相似度为相似性指标，将与相似用户相关联的电影推荐给目标用户，实现电影推荐。实验结果表明，该推荐算法在MovieLens数据集和F1指数上的准确率分别比次优算法提高了12%和7%，在MovieTweetings数据集和F1指数上的准确率分别提高了16%和18%。本文提出的基于多维特征表示学习的算法在电影推荐场景中具有明显的优势