面向超图的可解释性对比元路径群组推荐

TP391; 在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架.通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题.在真实数据集上进行实验,验证了所提出方法的有效...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 11; pp. 268 - 280
Main Authors 漆盛, 高榕, 邵雄凯, 吴歆韵, 万祥, 高海燕
Format Journal Article
LanguageChinese
Published 湖北工业大学 计算机学院,武汉 430068%湖北工业大学 计算机学院,武汉 430068 01.06.2024
南京大学 南京大学计算机软件新技术国家重点实验室,南京 210023%武汉第二船舶设计研究所,武汉 430064%南京邮电大学 通达学院,江苏 扬州 225127
Subjects
contrastive learning
group recommendation
超图学习
推荐系统
hypergraph learning
群组推荐
元路径
对比学习
meta-paths
recommendation system
Online AccessGet full text

Cover

Abstract TP391; 在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架.通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题.在真实数据集上进行实验,验证了所提出方法的有效性.
AbstractList TP391; 在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架.通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题.在真实数据集上进行实验,验证了所提出方法的有效性.
Abstract_FL The large and sparse data in group recommendation often tend to ignore the complex dependencies between user groups and items,so fusing different user preference behavioral embeddings to make the performance of user dependen-cies on groups more intuitive,and also for the purpose of enhancing the view effect in comparison to obtain more accurate recommendation results,an interpretable comparison meta-path group recommendation framework based on hypergraph is proposed.By aggregating dependencies between groups of user items,it constructs meta-paths to represent different types of interactions between entities to promote entity similarity and more accurately obtain users'in-group and out-group interactions from the data.By combining interpretable models with contrast learning techniques,it improves the interpretability and performance of the models.By interpreting guided enhancement operations on positive and negative views generated on the model framework combined with self-supervised contrast learning,it addresses the above issues.This experiment validates the effectiveness of the proposed approach by conducting experiments on real datasets.
Author 漆盛
邵雄凯
吴歆韵
高海燕
高榕
万祥
AuthorAffiliation 湖北工业大学 计算机学院,武汉 430068%湖北工业大学 计算机学院,武汉 430068;南京大学 南京大学计算机软件新技术国家重点实验室,南京 210023%武汉第二船舶设计研究所,武汉 430064%南京邮电大学 通达学院,江苏 扬州 225127
AuthorAffiliation_xml – name: 湖北工业大学 计算机学院,武汉 430068%湖北工业大学 计算机学院,武汉 430068;南京大学 南京大学计算机软件新技术国家重点实验室,南京 210023%武汉第二船舶设计研究所,武汉 430064%南京邮电大学 通达学院,江苏 扬州 225127
Author_FL GAO Rong
SHAO Xiongkai
GAO Haiyan
QI Sheng
WU Xinyun
WAN Xiang
Author_FL_xml – sequence: 1
  fullname: QI Sheng
– sequence: 2
  fullname: GAO Rong
– sequence: 3
  fullname: SHAO Xiongkai
– sequence: 4
  fullname: WU Xinyun
– sequence: 5
  fullname: WAN Xiang
– sequence: 6
  fullname: GAO Haiyan
Author_xml – sequence: 1
  fullname: 漆盛
– sequence: 2
  fullname: 高榕
– sequence: 3
  fullname: 邵雄凯
– sequence: 4
  fullname: 吴歆韵
– sequence: 5
  fullname: 万祥
– sequence: 6
  fullname: 高海燕
BookMark eNo9jT1Lw0AAQG-oYK39E24OifeR3McoxS8ouOhcLrm70iBX8BDJJtgiCGoLToqLCnXLpoiQf3NJ-i8UFKcHb3hvDbTs2GoANhAMCWN8KwtHztkQQYgDTggKMYFRALGALdD-t6ug69wogTEiLGZEtAFdPj372bx5n_rHsn6Y-LuiWbwsr66ri4UvPqvi3k8vm4_Cl5O6fK2_JtXtW3MzWwcrRp443f1jBxzv7hz19oP-4d5Bb7sfOAQpC4zGPBGKGG6ESigVGEka0zSFEgtJOSWISw4jJozCWinNqCSRNolKtJQmJR2w-ds9l9ZIOxxk47NT-3McZC4bpnmeY4gjhCBm5BuUAWDY
ClassificationCodes TP391
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3778/j.issn.1002-8331.2304-0290
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Hypergraph-Based Meta-Path Explanation Contrastive Learning for Group Recommendation
EndPage 280
ExternalDocumentID jsjgcyyy202411027
GrantInformation_xml – fundername: (国家自然科学基金); (南京大学计算机软件新技术国家重点实验室开放课题); (湖北省高层次人才基金项目); (湖北工业大学博士科研启动基金项目); (湖北工业大学博士科研启动基金项目); (湖北省自然科学基金); (教育部春晖计划)
  funderid: (国家自然科学基金); (南京大学计算机软件新技术国家重点实验室开放课题); (湖北省高层次人才基金项目); (湖北工业大学博士科研启动基金项目); (湖北工业大学博士科研启动基金项目); (湖北省自然科学基金); (教育部春晖计划)
GroupedDBID -0Y
2B.
4A8
5XA
5XJ
92H
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CUBFJ
CW9
PSX
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1067-fe28b9d3f8f9db66921a656cc0a29a686318a80479fd2edde76a34efbdbeaafc3
ISSN 1002-8331
IngestDate Thu May 29 04:10:55 EDT 2025
IsPeerReviewed false
IsScholarly false
Issue 11
Keywords contrastive learning
group recommendation
超图学习
推荐系统
hypergraph learning
群组推荐
元路径
对比学习
meta-paths
recommendation system
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1067-fe28b9d3f8f9db66921a656cc0a29a686318a80479fd2edde76a34efbdbeaafc3
PageCount 13
ParticipantIDs wanfang_journals_jsjgcyyy202411027
PublicationCentury 2000
PublicationDate 2024-06-01
PublicationDateYYYYMMDD 2024-06-01
PublicationDate_xml – month: 06
  year: 2024
  text: 2024-06-01
  day: 01
PublicationDecade 2020
PublicationTitle 计算机工程与应用
PublicationTitle_FL Computer Engineering and Applications
PublicationYear 2024
Publisher 湖北工业大学 计算机学院,武汉 430068%湖北工业大学 计算机学院,武汉 430068
南京大学 南京大学计算机软件新技术国家重点实验室,南京 210023%武汉第二船舶设计研究所,武汉 430064%南京邮电大学 通达学院,江苏 扬州 225127
Publisher_xml – name: 南京大学 南京大学计算机软件新技术国家重点实验室,南京 210023%武汉第二船舶设计研究所,武汉 430064%南京邮电大学 通达学院,江苏 扬州 225127
– name: 湖北工业大学 计算机学院,武汉 430068%湖北工业大学 计算机学院,武汉 430068
SSID ssib051375739
ssib001102935
ssj0000561668
ssib023646291
ssib057620132
Score 1.9559609
Snippet TP391;...
SourceID wanfang
SourceType Aggregation Database
StartPage 268
Title 面向超图的可解释性对比元路径群组推荐
URI https://d.wanfangdata.com.cn/periodical/jsjgcyyy202411027
Volume 60
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwxR3LahRBsImbix7EJ74JYp_CxkzPTD-OPbsTghgvJpBb6HlFctiASQ7JSXCDIKgRPCleVIi3vSki5G82u_kLq3p6d8YXRi_CMDRV1dVVXTNT1UN3FSG3eOFDGGCKZgru2ZYwa5oM_zYBwiR-qHJbG3DhHp9fCu4sh8sTjYnarqWtzWQm3fnluZJ_sSrAwK54SvYvLDtmCgBog33hDhaG-7FsTGNFVZtqRuOQqlmqPBpLGnEqQwuJaBTTWFClqQwQIueonkMaLaj2sbsUVGoac9zxAECgAYJIIQQaquwFl285C9s9RLbIUGBDl43IQoAPQCQSyzYtS3SOYl87LmA9pIeGEkivWjTSlicAQ4uCvhGNAxpJ5IYobSUReNfjvbfYO2pRyS0mgqvCKKoBIK0aMEZYx0hGo9BOXTSaFtSrIrFzGVltdNvyB1qYlbD-i4QF1VYu-1BbcYCQW44tq95YK6uMsnrCfLmJBsvx6T_MiiWyAii0M2s5qRAI43lUqunAxyM4lIX_W4Sah7MucHRMzrnAsqTD6FX36g7N9S1jI1ZW3frR7fpCSOt2cYSZ8Qh4yABswdzD9n1a87WNtdV0e3sb7QUhKBMnyCSDpR5rkEndXrh7vwrqAauqoB4rHnBWZXgKPV-EosptCwtoNuvykboM_9zj7kysk6zMPoxi3_690PYYX6cwndVaxLl4hpx2S8UpXb73Z8nEzoNz5FQtgeh5wo_evuvvvRx-2u2_ORi87vZf9Ib774-ePD18tN_vfTnsvervPh5-7vUPuoODD4Ov3cPnH4fP9i6Qpbl4sTXfdJVQmhuY4rFZ5EwmKvMLWags4Vwxz8BCLE1nDVOGSw6e2UisFlFkLIeIRXDjB3mRZEluTJH6F0mjs97JL5GpIsgVkJogM0mQhNBXsdQrijQwIslZdpncdFqvuC_dxspPtrpyHKKr5GT1Ml4jjc2HW_l1iOA3kxvOxN8AV92uhA
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E9%9D%A2%E5%90%91%E8%B6%85%E5%9B%BE%E7%9A%84%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7%E5%AF%B9%E6%AF%94%E5%85%83%E8%B7%AF%E5%BE%84%E7%BE%A4%E7%BB%84%E6%8E%A8%E8%8D%90&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%B7%A5%E7%A8%8B%E4%B8%8E%E5%BA%94%E7%94%A8&rft.au=%E6%BC%86%E7%9B%9B&rft.au=%E9%AB%98%E6%A6%95&rft.au=%E9%82%B5%E9%9B%84%E5%87%AF&rft.au=%E5%90%B4%E6%AD%86%E9%9F%B5&rft.date=2024-06-01&rft.pub=%E6%B9%96%E5%8C%97%E5%B7%A5%E4%B8%9A%E5%A4%A7%E5%AD%A6+%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%AD%A6%E9%99%A2%2C%E6%AD%A6%E6%B1%89+430068%25%E6%B9%96%E5%8C%97%E5%B7%A5%E4%B8%9A%E5%A4%A7%E5%AD%A6+%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%AD%A6%E9%99%A2%2C%E6%AD%A6%E6%B1%89+430068&rft.issn=1002-8331&rft.volume=60&rft.issue=11&rft.spage=268&rft.epage=280&rft_id=info:doi/10.3778%2Fj.issn.1002-8331.2304-0290&rft.externalDocID=jsjgcyyy202411027
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjsjgcyyy%2Fjsjgcyyy.jpg