Heterogeneous hypergraph embedding for document recommendation

امروزه، کاربران بیشتر و بیشتر از خدمات برچسب گذاری آنلاین برای سازماندهی منابع خود استفاده می کنند، برای مثال بوک مارک ها و کتابشناسی وب. برچسب ها نه تنها سازماندهی و بازیابی منابع را تسهیل می کنند، بلکه توصیف معنایی ارزشمندی برای منابع و منافع کاربران ارائه می دهند. این کار بر روی پیشنهاد سند با استفاده از برچسب گذاری اطلاعات متمرکز شده است. آثار قبلی، نسبت به ترتیب 3 بعدی <کاربر، تگ، سند> را در تگ کردن داده ها با یک گراف معمولی یا مدل های مختلف روابط با یک ابرگرافی همگرا مدل می کنند. طرح اولیه منجر به از بین رفتن اطلاعات جدی می شود و یکی دیگر از آن نمی تواند تاثیرات مختلف روابط را تشخیص دهد. در این مقاله، ما یک مدل هیبرگرافی ناهمگن پیشنهاد می کنیم که به طور کامل از اطلاعات ارتباطی بالا مرتبه در برچسب گذاری داده ها استفاده می کند و در عین حال نفوذ انواع مختلف روابط را سفارشی می کند. یک چارچوب تعبیه ی هیبرگرافی ناهمگن جدید برای پیشنهاد سند توسعه یافته است. چارچوب عمومی است و میتواند روابط مختلف بین کاربران، برچسب ها و منابع را در بر گیرد. نتایج تجربی در دو مجموعه داده های دنیای واقعی برتر بودن روش پیشنهاد شده را نسبت به روش های سنتی نشان می دهد.