摘要
产品推荐模型可帮助用户从海量的互联网数据中快速定位感兴趣的产品。针对目前的产品推荐模型无法同时做到精确化、个性化和动态化推荐的问题,提出一种基于用户画像的二分图神经网络移动互联网产品推荐模型。该模型以用户一段时间内的产品选购记录为输入,将移动互联网中的用户和产品构建为二分图,并通过图神经网络对已知的用户选购产品行为以及各用户间的选购行为联系进行优化,以得到网络嵌入,进而构建用户画像,预测用户之后可能选购的产品。在联通用户详单数据集上进行用户未来流量需求预测实验,并就用户实际增购流量包的大小进行预测,与协同过滤法进行对比,验证了所构建模型的优秀性能。
| 投稿的翻译标题 | Bipartite graph neural network product recommendation model for mobile internet based on user portrait |
|---|---|
| 源语言 | 中文 |
| 页(从-至) | 1813-1819 |
| 期刊 | 武汉大学学报(工学版) |
| 卷 | 57 |
| 期 | 12 |
| DOI | |
| 出版状态 | 已出版 - 1 12月 2024 |
基金资助
传播内容认知国家重点实验室开放课题资助项目(编号:20K05,A02107)。
关键词
- 用户画像
- 图神经网络
- 产品推荐
收录
- CSCD
学术指纹
探究 '基于用户画像的二分图神经网络移动互联网产品推荐模型' 的科研主题。它们共同构成独一无二的学术指纹。引用此
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver