关键词social recommendations
搜索结果 - 3
- 通过动态时期定义的长期和短期偏好的异构图建模的社交推荐
通过在异构图中结合社交网络数据的动态属性,本研究提出了一种新的方法来提供社交推荐,旨在捕捉用户的长期和短期偏好并聚合分配的边权重,以实现对时间变化的用户偏好的建模,实验结果证明了该模型的有效性。
- 社交推荐的解耦对比学习
本研究提出了一种新颖的解缠式对比学习框架,名为 DcRec,该框架可以从物品和社交领域中学习解缠式用户表示,并在社交推荐中进行知识转移。实验证明,该模型在各种真实世界数据集上具有优越性。
- 个性化社交推荐 - 更准确还是更私密?
本文研究了基于社交网络的个性化推荐 —— 社交推荐算法在保护隐私的同时对推荐准确度的影响,并量化了算法的效用损失。研究表明,只有在隐私参数比较宽松的情况下或为社交网络中的一小部分用户提供可行的好的私密社交推荐。