推荐9篇近期社会化推荐论文

本文汇总了9篇近期关于社会化推荐的论文,涉及利用图卷积网络(GCN)、生成对抗网络(GAN)增强推荐系统,以及关注社交推荐隐私、建模高阶关系、利用社交信息进行组推荐等方面。通过深度学习技术,如GCN和GAN,来解决社交推荐中的数据稀疏性、噪声问题和用户信任问题,旨在提升推荐系统的精准度和可信度。
摘要由CSDN通过智能技术生成

近期浏览到的关于社会化推荐相关的文章,有几篇利用图卷积网络(GCN)来建模的,也有利用生成对抗网络(GAN)来进行样本生成的,有关注社交推荐隐私的,也有建模高阶近邻关系的,还有利用社交信息做组推荐的。

Enhance Social Recommendation with Adversarial Graph Convolutional Networks

作者: Junliang Yu, Hongzhi Yin, Jundong Li, Min Gao, Zi Huang, Lizhen Cui

简介: 目前的社交信息通常在真实的推荐系统中不能充分发挥作用,主要是有以下原因:1)所利用的社交信息邻居数据相当有限;2)存在很多噪声;3)社交关系实际上是多面的,而非单一的。现有的大多数社交推荐模型仅考虑社会网络中的同质性,而忽略了这些缺点。在本文中,提出了一个基于图卷积网络(GCN)的深度对抗框架来解决这些问题。

Trust in Recommender Systems: A Deep Learning Perspective

作者: Manqing Dong, Feng Yuan, Lina Yao, Xianzhi Wang, Xiwei Xu, Liming Zhu

简介: 现有推荐系统的一个主要挑战是,由于缺乏合理的解释和推荐结果不准确,导致用户可能不信任推荐系统。因此,一个值得信赖的推荐系统变得至关重要。 此论文提供了三类信任感知推荐系统的系统摘要:利用用户的社交关系的社交感知推荐系统;鲁棒的推荐系统,可过滤不真实的噪声(例如垃圾邮件发送和虚假信息)或增强抗攻击性;可解释的推荐系统,提供推荐物品的说明。其专注于基于深度学习技术的工作,这是推荐研究中的一个新兴领域。

Multi-faceted Trust-based Collaborative Filterin

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值