摘 要：随着旅游组队、线上观影等多人共决策的应用迅速普及，群组推荐成为了缓解群体信息过载的工具，而现有的群组推荐方法往往忽略组内和组间的高阶协作关系，并存在数据稀疏性的问题。为此，本文提出跨通道自监督增强的超图群组推荐模型（HGRS）。该模型包含用户级行为通道和群组级行为通道。在用户级行为通道中，构建用户-项目超图与用户-用户社交图的异构图结构，联合建模用户交互行为与社交影响力；在群组级行为通道中，基于三元组模式构建了群组级超图并计算了超边权重，深入挖掘群组间的高阶交互关系。最后，为缓解数据稀疏性问题，将自监督学习技术整合到模型中，通过在两个通道间建立互补的信息流，有效增强群组表示。在Mafengwo 和CAMRa2011 数据集上进行实验验证，结果表明本文模型具有更好的推荐性能。

论文下载：

跨通道自监督增强的超图群组推荐模型_史艳翠.pdf

  浏览次数：