Resumen

Con la continua acumulación de datos de redes sociales, la recomendación social se ha convertido en un método de recomendación ampliamente utilizado. Basado en la teoría de la propagación de relaciones sociales, la minería de relaciones de usuario en redes sociales puede aliviar los problemas de escasez de datos y el inicio en frío de los sistemas de recomendación. Por lo tanto, integrar información social en los sistemas de recomendación es de profunda importancia. Presentamos un modelo de red eficiente para la recomendación social. El modelo se basa en la red neuronal gráfica. Unifica el mecanismo de atención y la LSTM bidireccional en el mismo marco y utiliza un perceptrón multicapa. Además, se agrega un método de propagación incrustado para aprender las influencias de los vecinos de diferentes profundidades y extraer información útil de los vecinos para el modelado de relaciones sociales. Utilizamos este método para resolver el problema de que los métodos de investigación actuales de recomendación social solo extraen el nivel superficial de las redes sociales pero ignoran la importancia de la fuerza de la relación de los usuarios en diferentes niveles en la

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Recomendación social; Redes sociales; Escasez de datos; Inicio en frío; Sistemas de recomendación; Red neuronal gráfica
• Keywords:Social recommendation; Social networks; Data sparsity; Cold start; Recommendation systems; Graph neural network