基于异质信息网络的模糊推荐算法

计算机工程与科学

基于异质信息网络的模糊推荐算法

李娴1,赵霞1,张泽华1,张晨威2

（1.太原理工大学信息与计算机学院,山西晋中 030600;2.伊利诺伊大学芝加哥分校计算机科学学院,芝加哥 60607）

收稿日期:2019-07-15 修回日期:2019-09-25 出版日期:2020-02-25 发布日期:2020-02-25
基金资助:
国家自然科学基金（61503273，61702356）;太原理工大学青年创新团队项目(2014TD056)

A fuzzy recommendation method based

on heterogeneous information network

LI Xian1,ZHAO Xia1,ZHANG Ze-hua1,ZHANG Chen-wei2

（1.College of Information and Computer,Taiyuan University of Technology,Jinzhong 030600,China;

2.Department of Computer Science,University of Illinois at Chicago,Chicago 60607,USA）

Received:2019-07-15 Revised:2019-09-25 Online:2020-02-25 Published:2020-02-25

摘要/Abstract

摘要：

随着互联网信息的爆炸式增长，推荐系统扮演着越来越重要的角色。为了解决传统推荐系统存在的信息稀疏问题，并且合理表达用户的偏好，提出基于异质信息网络的模糊推荐算法（HFR）。HFR方法构建三角模糊评分模型将用户离散的评分信息模糊化，此外，还加入了项目的属性信息并使用元路径表示；在此基础上充分利用多源信息，提出了一种新的相似性度量，并预测评分获得最终的推荐结果。实验结果表明，HFR方法有效解决了信息稀疏问题，提高了推荐质量。

关键词: 数据稀疏, 异质信息网络, 元路径, 模糊集

Abstract:

With the explosive growth of Internet information, the recommendation system plays an increasingly important role. In order to solve the problem of sparse information in the traditional recommendation system and to reasonably express the user’s preference, a fuzzy recommendation algorithm (HFR) based on heterogeneous information network is proposed. The HFR algorithm constructs a triangular fuzzy scoring model to fuzzify the user’s discrete scoring information. In addition, it also adds the attribute information of the project and uses the meta-path representation. Based on this, the multi-source information is fully utilized and a new similarity measure is proposed. The score is predicted to get the final recommendation result. The experimental results show that the HFR algorithm effectively solves the problem of sparse information and improves the recommendation quality.

Key words: sparse data, heterogeneous information network, meta-path, fuzzy set

李娴, 赵霞, 张泽华, 张晨威. 基于异质信息网络的模糊推荐算法[J]. 计算机工程与科学.

LI Xian, ZHAO Xia, ZHANG Ze-hua, ZHANG Chen-wei.

A fuzzy recommendation method based

on heterogeneous information network

[J]. Computer Engineering & Science.

[1]	王磊, 柳然然. 基于新图模糊距离的EDAS决策方法及其应用[J]. 计算机工程与科学, 2024, 46(06): 1101-1111.
[2]	钟权, 陈志广, 高蓝光. EMRI-Tree：面向多分辨率可视化的层次式数据结构[J]. 计算机工程与科学, 2024, 46(05): 776-784.
[3]	周施吉, 唐孝, 赵容乐, 梁艳玲, . 基于扰动优势关系的直觉模糊三支决策方法[J]. 计算机工程与科学, 2023, 45(11): 2027-2035.
[4]	汪春播, 温继文. 基于异构信息网络的推荐研究综述[J]. 计算机工程与科学, 2023, 45(11): 2047-2059.
[5]	李勇, 冯俐, 王霞. 基于异构图病历注意力网络的临床辅助诊断研究[J]. 计算机工程与科学, 2023, 45(09): 1701-1710.
[6]	马慧, 魏立力. 加权犹豫三角模糊距离度量及其在群决策中的应用[J]. 计算机工程与科学, 2020, 42(08): 1430-1439.
[7]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[8]	禹建丽，卢皎，陈洪根. 基于犹豫模糊集的软件质量评价模型[J]. 计算机工程与科学, 2020, 42(05): 813-819.
[9]	彭定洪1,2，陈文妮1,2，曾洪鑫3，武金福4. 多源信息云服务质量的犹豫模糊优劣IPA评价方法[J]. 计算机工程与科学, 2020, 42(05): 910-922.
[10]	梅凤娇，李永明. 参数化犹豫模糊熵及其应用[J]. 计算机工程与科学, 2019, 41(12): 2202-2210.
[11]	张荣荣，李永明. 犹豫直觉模糊集的知识测度及其应用[J]. 计算机工程与科学, 2019, 41(11): 2017-2026.
[12]	吴浩1，王晓晨1，曾诚1,2，何鹏1,2. 基于异质用户网络嵌入的服务推荐方法研究[J]. 计算机工程与科学, 2019, 41(07): 1244-1250.
[13]	王铁旦，赵洋，彭定洪. 区间犹豫模糊的改进层次TODIM在云制造资源中的应用研究[J]. 计算机工程与科学, 2019, 41(03): 520-530.
[14]	罗斌，陈翔. 幂律特性在新浪微博个性化推荐中的应用研究[J]. 计算机工程与科学, 2018, 40(04): 731-739.
[15]	杨勇，张东升，王艳茹，张亚男. 基于正弦函数的直觉模糊集相似度测量及其应用 [J]. 计算机工程与科学, 2018, 40(01): 133-138.