基本信息

---

下载

文档摘要

---

摘要

随着互联网的快速发展，数据量剧增导致了信息过载问题。推荐系统通过分

析用户历史行为提供个性化推荐，有效缓解这一问题。然而，传统推荐算法面临

着数据稀疏性和冷启动问题，限制了推荐系统的性能。现有方法尝试使用社交网

络、知识图谱等辅助信息改善推荐效果，但是，但是这些方法一方面在使用社交

信息作为辅助信息时，忽略了用户的不一致性；另一方面只考虑到了单一模态的

信息，忽略了比较常见的文本和图像等多模态信息。因此本文在解决传统推荐算

法存在的数据稀疏性问题和冷启动问题的基础上，针对在使用社交信息所忽略的