一种基于异构信息网络的社交推荐方法

摘要

本发明请求保护一种基于异构信息网络的社交推荐方法，包括步骤：对于异构信息网络，使用映射函数对网络中的每一条关联边权重W进行归一化处理，处理后的权重为ω。然后使用基于元路径的方法搜索出对应元路径下的所有路径实例instances，计算出每一种元路径下的同一类型对象之间的相似关系s(x,y)。为了深入挖掘对象相似性，使用矩阵分解将对象的相似性关系投影到低维的特征空间Feature，每一个对象都可用此空间中的唯一向量进行特征化表示。求解出所有元路径下的特征信息之后，将所有的特征数据输入到梯度提升决策树模型并进行模型训练，学习出特征之间的线性关系和非线性关系，从而提升了推荐模型的准确性。