电商异构网络中基于多层信息融合的用户社区划分算法

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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:数据分析与知识发现 2022-05, Vol.6 (5), p.89-98
Hauptverfasser: 冯勇, 徐文韬, 王嵘冰, 徐红艳, 张永刚
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 98
container_issue 5
container_start_page 89
container_title 数据分析与知识发现
container_volume 6
creator 冯勇
徐文韬
王嵘冰
徐红艳
张永刚
description 【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.
doi_str_mv 10.11925/infotech.2096-3467.2021.1068
format Article
fullrecord <record><control><sourceid>cass_wanfa</sourceid><recordid>TN_cdi_wanfang_journals_xdtsqbjs202205009</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cass_id>SJFXYZSFX2022005013</cass_id><wanfj_id>xdtsqbjs202205009</wanfj_id><sourcerecordid>SJFXYZSFX2022005013</sourcerecordid><originalsourceid>FETCH-LOGICAL-c639-d06750ea74d3211204a9d59c2587dd3de612becf955afbba3a3d649eba7691103</originalsourceid><addsrcrecordid>eNo9j09LAkEAxedQkJjfog4d1ubPzqxzDMkshA56sC7L7M5uKbFSY9Q1EdlDRYUSSBiBhy4VEVHYvy_j7PYxWjI6vcfjx3s8AOYRzCLEMV2sBX6j6bnbWQw5M4jJrMRhlEWQ5aZA6j-dARmlag4kFKMcs1gKFOPus-519HsrGrTjj_P47Wr8eqevR-PRqR729WNr_HUTHT18D070WRj323H3Ngpf4uGnPh7p8EKHnfj-MnrqzYJpX-woL_OnaVApLFfyRaO0vrKaXyoZLiPckJBZFHrCMiXBCGFoCi4pdzHNWVIS6TGEHc_1OaXCdxxBBJHM5J4jLMYRgiQNFia1ByLwRbBl1xv7e0EyaB_Kptp16io5jiGFkCfs3IR1hVJ2oJS0y2uF6sZmuVD9pRIMEfIDY3h2sg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>电商异构网络中基于多层信息融合的用户社区划分算法</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>冯勇 ; 徐文韬 ; 王嵘冰 ; 徐红艳 ; 张永刚</creator><creatorcontrib>冯勇 ; 徐文韬 ; 王嵘冰 ; 徐红艳 ; 张永刚</creatorcontrib><description>【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.</description><identifier>ISSN: 2096-3467</identifier><identifier>DOI: 10.11925/infotech.2096-3467.2021.1068</identifier><language>chi</language><publisher>中国科学院文献情报中心</publisher><ispartof>数据分析与知识发现, 2022-05, Vol.6 (5), p.89-98</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/xdtsqbjs/xdtsqbjs.jpg</thumbnail><link.rule.ids>314,776,780,27901,27902</link.rule.ids></links><search><creatorcontrib>冯勇</creatorcontrib><creatorcontrib>徐文韬</creatorcontrib><creatorcontrib>王嵘冰</creatorcontrib><creatorcontrib>徐红艳</creatorcontrib><creatorcontrib>张永刚</creatorcontrib><title>电商异构网络中基于多层信息融合的用户社区划分算法</title><title>数据分析与知识发现</title><description>【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.</description><issn>2096-3467</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNo9j09LAkEAxedQkJjfog4d1ubPzqxzDMkshA56sC7L7M5uKbFSY9Q1EdlDRYUSSBiBhy4VEVHYvy_j7PYxWjI6vcfjx3s8AOYRzCLEMV2sBX6j6bnbWQw5M4jJrMRhlEWQ5aZA6j-dARmlag4kFKMcs1gKFOPus-519HsrGrTjj_P47Wr8eqevR-PRqR729WNr_HUTHT18D070WRj323H3Ngpf4uGnPh7p8EKHnfj-MnrqzYJpX-woL_OnaVApLFfyRaO0vrKaXyoZLiPckJBZFHrCMiXBCGFoCi4pdzHNWVIS6TGEHc_1OaXCdxxBBJHM5J4jLMYRgiQNFia1ByLwRbBl1xv7e0EyaB_Kptp16io5jiGFkCfs3IR1hVJ2oJS0y2uF6sZmuVD9pRIMEfIDY3h2sg</recordid><startdate>20220525</startdate><enddate>20220525</enddate><creator>冯勇</creator><creator>徐文韬</creator><creator>王嵘冰</creator><creator>徐红艳</creator><creator>张永刚</creator><general>中国科学院文献情报中心</general><general>辽宁大学信息学院 沈阳110036%吉林大学符号计算与知识工程教育部重点实验室 长春130012</general><scope>NSCOK</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20220525</creationdate><title>电商异构网络中基于多层信息融合的用户社区划分算法</title><author>冯勇 ; 徐文韬 ; 王嵘冰 ; 徐红艳 ; 张永刚</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c639-d06750ea74d3211204a9d59c2587dd3de612becf955afbba3a3d649eba7691103</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>冯勇</creatorcontrib><creatorcontrib>徐文韬</creatorcontrib><creatorcontrib>王嵘冰</creatorcontrib><creatorcontrib>徐红艳</creatorcontrib><creatorcontrib>张永刚</creatorcontrib><collection>国家哲学社会科学文献中心 (National Center for Philosophy and Social Sciences Documentation)</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>数据分析与知识发现</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>冯勇</au><au>徐文韬</au><au>王嵘冰</au><au>徐红艳</au><au>张永刚</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>电商异构网络中基于多层信息融合的用户社区划分算法</atitle><jtitle>数据分析与知识发现</jtitle><date>2022-05-25</date><risdate>2022</risdate><volume>6</volume><issue>5</issue><spage>89</spage><epage>98</epage><pages>89-98</pages><issn>2096-3467</issn><abstract>【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.</abstract><pub>中国科学院文献情报中心</pub><doi>10.11925/infotech.2096-3467.2021.1068</doi><tpages>10</tpages><oa>free_for_read</oa></addata></record>
fulltext fulltext
identifier ISSN: 2096-3467
ispartof 数据分析与知识发现, 2022-05, Vol.6 (5), p.89-98
issn 2096-3467
language chi
recordid cdi_wanfang_journals_xdtsqbjs202205009
source 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title 电商异构网络中基于多层信息融合的用户社区划分算法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-08T17%3A10%3A34IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-cass_wanfa&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E7%94%B5%E5%95%86%E5%BC%82%E6%9E%84%E7%BD%91%E7%BB%9C%E4%B8%AD%E5%9F%BA%E4%BA%8E%E5%A4%9A%E5%B1%82%E4%BF%A1%E6%81%AF%E8%9E%8D%E5%90%88%E7%9A%84%E7%94%A8%E6%88%B7%E7%A4%BE%E5%8C%BA%E5%88%92%E5%88%86%E7%AE%97%E6%B3%95&rft.jtitle=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E4%B8%8E%E7%9F%A5%E8%AF%86%E5%8F%91%E7%8E%B0&rft.au=%E5%86%AF%E5%8B%87&rft.date=2022-05-25&rft.volume=6&rft.issue=5&rft.spage=89&rft.epage=98&rft.pages=89-98&rft.issn=2096-3467&rft_id=info:doi/10.11925/infotech.2096-3467.2021.1068&rft_dat=%3Ccass_wanfa%3ESJFXYZSFX2022005013%3C/cass_wanfa%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cass_id=SJFXYZSFX2022005013&rft_wanfj_id=xdtsqbjs202205009&rfr_iscdi=true