摘要
针对现有食谱推荐方法中用户与食谱交互不充分问题，提出一种基于注意力属性异构网络嵌入的食谱推荐方法。首先使用one-hot编码将用户的属性、食谱的配料做法等转化为节点特征；然后通过转化函数将特征转化为节点特征嵌入和基础嵌入，同时在同类型边内和不同类型边间分别使用注意力机制，学习节点聚合时不同类型交互下不同用户的偏好权重，生成节点的边嵌入，将3种嵌入相加得到节点的完整嵌入；最后通过基于元路径的随机游走和skip-gram模型进行负采样优化，挖掘出节点间的潜在交互可能性，最终完成食谱推荐。使用下厨房数据集的10 000条交互数据进行实验，结果表明，该算法比当前领先的算法在ROC、PR、F1值上分别提高了2.5%、2.8%、2.3%。
0 引言
随着移动互联网的菜谱分享、饮食点评及外卖等生活类服务普及，人们越来越倾向于接受推荐系统建议，在饮食推荐系统帮助下挑选感兴趣的食物[1]，而病人也可以筛选适合自己病情的食物[