Resumen

Las redes de información heterogéneas pueden simular naturalmente objetos complejos y enriquecer los sistemas de recomendación de acuerdo a las conexiones entre diferentes tipos de objetos. En la actualidad, se han propuesto numerosos algoritmos de recomendación basados en redes de información heterogéneas. Sin embargo, los algoritmos existentes no pueden extraer y combinar las características estructurales en las redes de información heterogéneas. Por lo tanto, este artículo propone un algoritmo de recomendación eficiente basado en redes de información heterogéneas, que utiliza las características de la red neuronal de convolución de grafos para aprender automáticamente la información de los nodos y extraer información heterogénea, evitando los errores causados por la búsqueda manual de metacaminos. Además, al considerar completamente la relación de puntuación entre los nodos, se propone una estrategia de cálculo que combina información heterogénea y una estrategia de fusión de información de puntuación para resolver la puntuación entre nodos, lo que hace que la puntuación de predicción sea más precisa. Finalmente, mediante la actualización

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Redes de información; Algoritmos de recomendación; Red de información heterogénea; Red neuronal de convolución de grafos; Relación de puntuación; Puntuación de predicción.
• Keywords:Information networks; Recommendation algorithms; Heterogeneous information network; Graph convolution neural network; Scoring relationship; Prediction scoring.