Resumen

Los motores de búsqueda y los sistemas de recomendación son un medio esencial para resolver la sobrecarga de información, y los algoritmos de recomendación son el núcleo de los sistemas de recomendación. Recientemente, el algoritmo de recomendación de la red neuronal gráfica basado en redes sociales ha mejorado enormemente la calidad del sistema de recomendación. Sin embargo, estos métodos prestan demasiada poca atención a la heterogeneidad de las redes sociales. De hecho, ignorar la heterogeneidad de las conexiones entre usuarios e interacciones entre usuarios e ítems puede afectar seriamente la representación del usuario. En este artículo, proponemos un sistema de recomendación de atención jerárquica (HA-RS) basado en una red social enmascarada, que combina información de redes sociales e información de comportamiento de usuario, mejorando no solo la precisión de la recomendación, sino también la flexibilidad de la red. Primero, se aprende la representación del nodo en el dominio del ítem a través del modelo Context-NE propuesto y luego la información de características de los nodos vecinos en el dominio social se agrega

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Motores de búsqueda; Sistemas de recomendación; Algoritmos de recomendación; Red neuronal gráfica; Red social; Atención jerárquica
• Keywords:Search engines; Recommendation systems; Recommendation algorithms; Graph neural network; Social network; Hierarchical attention