来源：期刊VIP网 时间：
作者：张槟淇;尉译心;王文剑;
单位：山西警察学院网络安全保卫系;山西大学计算智能与中文信息处理教育部重点实验室;
摘要：在推荐系统中，由于用户评分和交互频次存在长尾分布特性，导致长尾物品特征提取困难，现有的方法或者过多关注尾部物品，忽略其与头部物品的联系，或者忽略社交网络对用户偏好的影响，从而影响了推荐效果。因此，本文提出一种融合社会影响扩散的长尾推荐模型LoSidi(Long-tail Recommendation method Incorporating Social Influence Diffusion)。首先对于每个用户，通过对目标用户各层社交邻居的采样聚合，并结合其已交互的热门物品生成用户兴趣嵌入。其次通过计算长尾物品与用户已交互头部物品间的相似性挖掘长尾物品的潜在特征。最终，LoSidi模型构建用户与长尾物品间的联系，对长尾物品进行评分预测和推荐。在常用数据集上的实验结果表明，本文提出的模型可显著提高用户推荐列表的新颖性和多样性。
关键词：推荐系统;;社会推荐;;长尾问题;;图神经网络
基金资助：国家自然科学基金(62076154);; 山西省科技重大专项计划“揭榜挂帅”项目(202101020101019)
