电商异构网络中基于多层信息融合的用户社区划分算法

【目的】当前用户社区划分算法大多因缺乏对电商网络异构性的考量,导致社区划分准确度不高.为此,本文提出一种电商异构网络中基于多层信息融合的用户社区划分算法.【方法】根据不同关系类型对电商异构网络进行分层处理,构造基于不同关系类型的用户节点嵌入;通过表征融合将不同层的用户嵌入合并,获得电商异构网络中的用户融合嵌入表征;使用目标函数优化用户节点的相关参数;最后,通过改进的K-means算法形成用户聚类,得到合理的用户社区划分结果.【结果】本文所提算法与基于DeepWalk、Node2Vec、GCN等主流用户社区划分算法中的次优算法相比,在NMI和Sim@5指标上分别提升6.4%和1.7%,在有效表征用户节点及精确划分用户社区方面都有良好的表现.【局限】未考虑电商异构网络中所包含的时间信息,同时忽略了网络中噪声点所产生的影响.【结论】本文算法切实有效,在电商领域有助于提升好友预测、群组推荐等核心应用的性能.