一种基于深度神经网络的异构网络推荐算法

摘要

本发明公开了一种基于深度神经网络的异构网络推荐算法，包括如下步骤：S1：用户和物品的全局局部信息的向量表征；S2：利用螺栓遗传算法对元路径种类进行自动选取；S3：获取最优的X种元路径种类下的元路径实例；S4：获取基于元路径的交互向量；S5：用户，物品全局局部信息融合；S6：使用协同注意力机制，对用户和物品的向量表征进行加强；S7：用户，物品对的评分获取；S8：构建损失函数优化参数；S9：重复步骤1‑8，当lu，i稳定趋于一个很小的阈值ε(ε>0)时，停止训练，即得到了一个基于深度神经网络的异构网络推荐模型。本发明利用遗传算法自动获取有价值的元路径种类，减少人为因素的干扰；通过节点域和网络结构信息挖掘异构网络中的全局和局部信息。