qq_36291847的博客

这里写目录标题摘要摘要在移动电子商务普及的今天，一种新型的推荐服务，即意向推荐，被广泛应用于淘宝、亚马逊等移动电子商务app中。不同于传统的查询推荐和项目推荐，意图推荐是用户打开App时，无需输入任何信息，根据用户的历史行为自动推荐用户意图。意图推荐在过去两年中非常流行，因为可以揭示用户的潜在意图，避免繁琐的手机输入。工业上使用的现有方法通常需要劳动特征工程。而且，仅利用用户和查询的属性和统计信息，没有充分利用意图推荐中丰富的交互信息，可能导致性能有限。在本文中，我们提出将意图推荐中的复杂对象和丰富的交

文章目录摘要1 引言摘要近年来出现了大量基于异构信息网络(HIN)的推荐系统，因为HIN能够描述复杂的图并包含丰富的语义。现有的方法虽然取得了性能的提高，但在实际应用中仍然面临以下问题。一方面，大多数现有的基于HIN的方法依赖于显式路径可达性来利用用户和物品之间基于路径的语义相关性，例如，基于元路径的相似性。这些方法很难使用和集成，因为路径连接是稀疏的或有噪声的，并且往往是长度不同。另一方面，其他基于图的方法旨在学习有效的异构网络表示，在预测前将节点及其邻域信息压缩成单个嵌入。这种建模中的弱耦合方式忽略

文章目录摘要1 引言论文题目：论文作者：来源：摘要随着网络嵌入技术的飞速发展，推荐算法的发展也日趋成熟。然而，网站上的用户-物品交互(即明确的偏好)的稀少仍然是预测用户行为的一大挑战。虽然已经在利用一些辅助信息(如用户间的社会关系)来解决问题上做了一些研究，但现有的丰富的异质辅助关系仍然没有得到充分的开发。此外，以往的工作依赖于线性组合正则化器，存在参数整定问题。在本文中，我们从常见的用户行为和商品信息中收集了丰富的关系，并提出了一个新的框架IntentGC，通过图卷积网络来利用显性偏好和异构关系