首页|一种融合网络表示学习与XGBoost的评分预测模型

一种融合网络表示学习与XGBoost的评分预测模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]基于丰富的元数据和评分数据,提出一种融合网络表示学习与XGBoost的评分预测模型——N2V_XGBo[方法]提取并融合元数据和评分数据的相似性权重,构建同质关系网络;利用网络表示学习自动提取用户和项目特征,再将提取的特征作为XGBoost的输入,迭代训练获得最佳的评分预测模型.[结果]实验表明,N2V XGB模型的MAE和RMSE分别为0.686 7、0.873 7,低于4种主要的对比模型.[局限]N2V_XGB模型未能很好地利用时间特征信息,评分结果没有反映时序变化.[结论]N2V XGB模型将网络表示学习与XGBoost算法进行有效融合,能够缓解数据稀疏,提高用户评分的预测精度.
Predicting Online Ratings with Network Representation Learning and XGBoost

丁勇、陈夕、蒋翠清、王钊

展开 >

合肥工业大学管理学院 合肥230009

过程优化与智能决策教育部重点实验室 合肥230009

网络表示学习 XGBoost 评分预测 协同过滤 Node2Vec

教育部人文社会科学规划基金国家自然科学基金重点项目

15YJA63001071731005

2020

10.11925/infotech.2096-3467.2020.0482

数据分析与知识发现
中国科学院文献情报中心

数据分析与知识发现

CSTPCDCSSCICSCDCHSSCD北大核心
影响因子：1.452
ISSN：2096-3467
年,卷(期)：2020.4(11)
  • 6
  • 14