{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,4,27]]，“日期时间”：“2024-04-27T23:55:52Z”，“时间戳”：1714262152028}，“参考计数”：48，“出版商”：“计算机协会（ACM）”，“问题”：“4”，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金”，“doi-asserted-by”：“crossref”，“adward”：[“61960206008，61772428，61725205”]}，{“doi”：“10.13039\/501100012166”，“name”：“中国重点研发计划”，“doi-asserted-by”:“crossrev”：“国家杰出青年科学基金”，“doi-asserted-by”：“crossref”，“award”：[“62025205”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm-Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[2021,8,31]}，”abstract“：”随着移动应用生态系统的快速发展，移动应用越来越受欢迎。应用程序的爆炸式增长使得用户很难找到符合自己兴趣的应用程序。因此，有必要向用户推荐一组个性化的应用程序。然而，其中一个挑战是数据稀疏性，因为用户2019年的历史行为数据通常不足。事实上，应用商店中不同域的用户\u2019对相同应用的行为通常是相关的。因此，我们可以利用相关域的互补信息来缓解稀疏性。使用图形对用户的行为进行建模是很直观的，图形神经网络显示出了表示学习的强大功能。在本文中，我们提出了一种新的模型，深度多图嵌入（DMGE），用于学习跨域应用程序嵌入。具体来说，我们首先基于不同领域的用户\u2019行为构建一个多图，然后提出一个多图神经网络来学习跨领域应用程序嵌入。特别地，我们提出了一种自适应方法来平衡每个域的权重，并有效地训练模型。最后，基于学习到的应用程序嵌入，实现了跨域应用程序推荐。在真实数据集上的大量实验表明，DMGE优于其他最先进的嵌入方法<\/jats:p>“，”DOI“：”10.1145\/3442201“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2021,4,18]，”日期时间“：”2021-04-18T16:05:45Z“，”时间戳“：1618761945000｝，”page“：”1-21“，”update policy“：”http:\/\/dx.DOI.org/10.1145\/crosmark policy“，”source“：”Crossref“，”由count引用“：15，”title“：[”带有多图形神经网络的移动应用程序跨域推荐“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”易“，”家庭“：”欧阳“，”序列“：”第一“，”从属“：[}”名称“：”陕西西北工业大学“}]}，{”给出“：”宾“，”家人“：”郭“，“序列”：”附加“，”附属“：[[{“名称”：“中国陕西西北工业大学“}]}，{“给定”：“兴”，“家庭”：“唐”，“序列”：“附加”，“隶属关系”：[{“名称”：“诺亚\u2019s方舟实验室，华为，中国广东深圳”}]}，{”给定“：“秀强”，“家族”：“何”，“顺序”：“额外”，“附属关系”：[{“姓名”：“诺亚\u219s方舱实验室，华为、中国广东深圳“}]{”Jian”，“family”：“Xiong”，“sequence”：“additional”，“affiliation”：[{“name”：“Tencent，Shenzhen，Guangdong，China”}]}，{“given”：“Zhiwen”，“家庭”：“Yu”，“sequence”:“additionable”，“feliation”:[{（名称）：“中国陕西西北工业大学”}]]，“member”：“320”，“published on”：{“date-parts”：[2021,4,18]]}、“reference”：[}“key”：”e_1_1 2_1_1_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/tpami.2013.50“}，{“key”：“e_1_1_2_1”，“volume-title”：“第二届国际学习代表大会论文集.1--14”，“author”：“Bruna Joan”，“year”：“2014”，“unstructured”：“琼·布鲁纳（Joan Bruna）、沃伊切赫·扎伦巴（Wojciech Zaremba）、亚瑟·斯拉姆（Arthur Szlam）和亚恩·勒村（Yann LeCun）。2014 . 图上的谱网络和局部连通网络。第二届国际学习代表大会会议记录。1--14 . 琼·布鲁纳（Joan Bruna）、沃伊切赫·扎伦巴（Wojciech Zaremba）、亚瑟·斯拉姆（Arthur Szlam）和亚恩·勒村（Yann LeCun）。2014.图上的光谱网络和本地连接网络。第二届国际学习代表大会会议记录。1-14.“}，{”key“：”e_1_2_1_3_1“，”volume-title“：”推荐系统手册“，”author“：”Cantador Iv\u00e1n“，”unstructured“：”Iv\u 00e1n-Cantador，Ignacio Fern\u00e indez-Tob\u00edas，Shlomo Berkovsky，and Paolo Cremonesi.2015。跨域推荐系统。在推荐系统手册中。施普林格，919--959。Iv\u00e1n Cantador、Ignacio Fern\u00e indez-Tob\u00edas、Shlomo Berkovsky和Paolo Cremonesi。2015.跨域推荐系统。在推荐系统手册中。Springer，919--959.“}，{”key“：”e_1_2_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1023\/A:1007379606734”}，“key”：“e_1_i_1_5_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2959100.2959190“}”，{.2018.2849727“}，{”键“：”e_1_2_1_7_1“，”卷时间“：”神经信息处理系统进展论文集。3844--3852“，“作者”：“Defferrard Micha\u00ebl”，“年份”：“2016”，“非结构化”：“Micha\u 00ebl Defferrad，Xavier Bresson，and Pierre Vandergheynst。2016 . 图上的卷积神经网络具有快速局部化谱滤波功能。神经信息处理系统进展论文集。3844--3852 . Micha\u00ebl Defferrard、Xavier Bresson和Pierre Vandergheynst。2016。具有快速局部频谱滤波的图上的卷积神经网络。在《神经信息处理系统进展论文集》中。3844--3852.“}，{”key“：”e_1_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.crma.2012.03.014”}，}，“key”：“e_1_i_1_9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3219819.3219885“}”，{9754“}，{”键“：”e_1_2_1_11_1“，”doi-asserted-by“：”出版商“，”doi“：”10.1109\/ACCESS.2019.2918325“}，{“key”：“e_1_2_1_12_1”，“volume-title”：“神经信息处理系统进展会议记录.1024--1034”，“author”：“Hamilton Will”，“year”：“2017”，“unstructured”：“威尔·汉密尔顿（Will Hamilton）、应志涛（Zhitao Ying）和朱尔·莱斯科维奇（Jure Leskovec）。2017 . 大型图的归纳表示学习。神经信息处理系统进展论文集。1024--1034 . 威尔·汉密尔顿（Will Hamilton）、应志涛（Zhitao Ying）和朱尔·莱斯科维奇（Jure Leskovec）。2017.大图形的归纳表示学习。神经信息处理系统进展论文集。1024--1034.“}，{”key“：”e_1_2_1_13_1“，”首页“：”52“，”article-title“：”图的表示学习：方法和应用“，”volume“：“40”，“author”：“Hamilton William L.”，“year”：“2017”，“unstructured”：“William L。汉密尔顿、Rex Ying和Jure Leskovec。2017 . 图的表示学习：方法和应用。IEEE数据工程公告40，3（2017），52--74。威廉·汉密尔顿（William L.Hamilton）、雷克斯·英（Rex Ying）和朱尔·莱斯科维奇（Jure Leskovec）。2017.图的表示学习：方法和应用。IEEE数据工程公告40，3（2017），52-74.“，”journal-title“：”IEEE数据工程学公告“}，{“key”：“e_1_1_14_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3269206.3271684“}”，{”key“：”e_2_1_15_1“，”volume-title”：“第三十届国际机器学习会议论文集。427-435”，“author”：“Jaggi Martin”，《年份》：“2013”，“非结构化“：”马丁·贾吉。2013 . 重温Frank-Wolfe：无投影稀疏凸优化。第30届机器学习国际会议论文集。427--435 . 马丁·贾吉。2013.重访Frank-Wolfe：无投影稀疏凸优化。第30届机器学习国际会议论文集。427--435.“}，{”key“：”e_1_2_1_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2396761.2398683”}，“key”：“e_1_i_17_1”，“volume-title”：“第三届学习表征国际会议论文集。1-14”，“author”：“Diederik”，“unstructured”：“Diederik P.Kingma和Jimmy Ba.2015。亚当：一种随机优化方法。第三届学习表现国际会议论文集。1--14 . Diederik P.Kingma和Jimmy Ba.2015年。亚当：一种随机优化方法。第三届学习表现国际会议论文集。1-14.“}，{”key“：”e_1_2_1_18_1“，”volume-title“：”学习表征国际会议论文集。1-14“，”author“：”Thomas“，”unstructured“：”托马斯·基普夫和马克斯·威林。2017。图卷积网络半监督分类。《学习代表国际会议论文集》。1--14 . 托马斯·基普夫（Thomas N.Kipf）和马克斯·威林（Max Welling）。2017.使用图卷积网络的半监督分类。《国际学习代表大会论文集》。1-14.“}，{”key“：”e_1_2_1_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/MC.2009.263”}，}“key”：“e_1_i_1_20_1”，“volume-title”：“第二届伯克利数理统计与概率研讨会论文集。481--492”，“author”：“Kuhn H.W.”，“unstructured”：“H.W.Kuhn和A.W.Tucker.1951”。非线性规划。第二届伯克利数理统计与概率研讨会论文集。481--492 . H.W.Kuhn和A.W.Tucker。1951.非线性规划。第二届伯克利数理统计与概率研讨会论文集。481--492.“}，{”key“：”e_1_2_1_21_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2484028.2484035”}，“key”：“e_1_i_1_22_22_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2684822.2685322}，{“键”：“e_1_2_1_24_1”，“doi-asserted-by”：“出版商”，“doi”：“10.24963\/ijcai.2017\/343“}，{“key”：“e_1_2_1_25_1”，“volume-title”：“第一届学习表征国际会议论文集.1--11”，“author”：“Mikolov Tomas”，年：“2013”，“unstructured”：“托马斯·米科洛夫（Tomas Mikolov）、陈凯（Kai Chen）、格雷格·科拉多（Greg Corrado）和杰弗里·迪恩（Jeffrey Dean）。2013年。向量空间中单词表示的有效估计。在第一届学习代表国际会议记录中。1--11 . 托马斯·米科洛夫（Tomas Mikolov）、陈凯（Kai Chen）、格雷格·科拉多（Greg Corrado）和杰弗里·迪恩（Jeffrey Dean）。2013.向量空间中单词表示的有效估计。在第一届学习代表国际会议记录中。1-11.“}，{”key“：”e_1_2_1_26_1“，”volume-title“：”神经信息处理系统进展论文集.3111-3119“，“author”：“Mikolov Tomas”，“year”：“2013”，“unstructured”：“Tomas Mikolof，Ilya Sutskever，Kai Chen，Greg S。Corrado和Jeff Dean。2013 . 单词和短语的分布式表示及其组成。神经信息处理系统进展论文集。3111--3119 . 托马斯·米科洛夫（Tomas Mikolov）、伊利亚·萨茨克沃（Ilya Sutskever）、陈凯（Kai Chen）、格雷格·科拉多（Greg S.Corrado）和杰夫·迪恩（Jeff Dean）。2013.单词和短语的分布式表示及其组成。神经信息处理系统进展论文集。3111--3119.“}，{”key“：”e_1_2_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3219819.3219828”}，“key”：“e_1_i_1_28_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2287060“}”，{，{“键”：“e_1_2_1_30_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1145\/2623330.2623732”}，{“key”：“e_1_2_1_31_1”，“volume-title”：“第25届人工智能不确定性会议论文集。AUAI出版社，452--461”，“作者”：“Rendle Steffen”，“年份”：“2009”，“非结构化”：“Steffen Rendle、Christoph Freudenthaler、Zeno Gantner和Lars Schmidt-Thieme，2009年。BPR：隐式反馈的贝叶斯个性化排名。第25届人工智能不确定性会议论文集。AUAI出版社，452-461。Steffen Rendle、Christoph-Freudenthamer、Zeno甘特纳和Lars Schmidt-Thineme，2009。BPR：基于隐含反馈的贝叶斯个性化排名。第25届人工智能不确定性会议论文集。AUAI出版社，452--461.“}，{“key”：“e_1_2_1_32_1”，“volume-title”：“深度神经网络中的多任务学习概述。arXiv预印本arXiv:1706.05098”，“作者”：“Ruder Sebastian”，“年份”：“2017”，“非结构化”：“Sebastian-Ruder.2017”。深度神经网络中的多任务学习概述。arXiv预印arXiv:1706.05098（2017）。塞巴斯蒂安·鲁德。2017年，深度神经网络中的多任务学习概述。arXiv预印本arXiv:1706.05098（2017）。“}，｛”key“：”e_1_2_1_33_1“，”卷标题“：”神经信息处理系统进展论文集.527-538“，”作者“：”Sener Ozan“，”年份“：”2018“，”非结构化“：”Ozan Sener和Vladlen Koltun。2018 . 作为多目标优化的多任务学习。神经信息处理系统进展论文集。527--538 . Ozan Sener和Vladlen Koltun。2018.多任务学习作为多目标优化。神经信息处理系统进展论文集。527--538.“}，{”key“：”e_1_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2736277.2741093”}，“key”：“e_2_1_35_1”，“volume-title”：“学习代表性国际会议论文集。1-12”，“author”：“Veli\u010dkovi\u0107 Petar”，“year”：“2018”，“unstructured”：“Petar Veli\u010dkovi\u0107、Guillem Cucurull、Arantxa Casanova、Adriana Romero、Pietro Lio和Yoshua Bengio。2018 . 绘制注意力网络图。《国际学习代表大会论文集》。1--12 . Petar Veli\u010dkovi\u0107、Guillem Cucurull、Arantxa Casanova、Adriana Romero、Pietro Lio和Yoshua Bengio。2018年，绘制注意力网络图。《学习代表国际会议论文集》。1--12.“}，{”key“：”e_1_1_36_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3219819.3219869”}，“key”：“e_2_1_37_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3289600.3290973“}”，{“}，{”键“：”e_1_1_39_1“，”卷时间“：”学习代表国际会议记录。1——17“，“作者”：“徐克鲁”，“年份”：“2019年”，“非结构化”：“许克鲁、胡卫华、朱尔·莱斯科维奇和斯特凡妮·杰格尔卡。2019 . 图形神经网络有多强大？《学习代表国际会议论文集》。1--17 . 许凯乌鲁、胡卫华、莱斯科维奇和杰尔卡。2019.图形神经网络有多强大？《学习代表国际会议论文集》。1-17.“}，{”key“：”e_1_2_1_40_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3219819.3219890”}，“key”：“e_1_ 1_41_1”，“volume-title”：“神经信息处理系统进展论文集。11960-11970”，“author”：“Yun Seongjun”，“unstructured”：“Seongjun-Yun，Minbyul Jeong，Raehyun Kim，Jaewoo Kang，and Hyunwoo J.Kim.2019。绘制变压器网络图。神经信息处理系统进展论文集。11960--11970 . Seongjun Yun、Minbyul Jeong、Raehyun Kim、Jaewoo Kang和Hyunwoo J.Kim。2019.绘制变压器网络图。神经信息处理系统进展论文集。11960--11970.“}，{”key“：”e_1_2_1_42_1“，”unstructured“：”R.Zafarani和H.Liu.2009。ASU的社会计算数据仓库。检索自http://\/socialcomputing.asu.edu。R.Zafarani和H.Liu。2009年，ASU的社会计算数据仓库。检索自http:\/\/socialcomputing.asu.edu。“｝，｛”key“：”e_1_2_1_43_1“，”doi断言者“：”publisher“，”doi“：”10.1145\/329819.3219855“｝，｛”key“：”e_1_2_1_44_1“，”卷标题“：”图神经网络：方法和应用综述。arXiv预印本arXiv:1812.08434“，”作者“：”周杰“，”年份“：”2018“，”非结构化“：”周杰、崔干渠、张正彦、程阳、刘志远和孙茂松。2018年，图形神经网络：方法和应用综述。arXiv预印arXiv:1812.08434（2018）。周杰、崔干渠、张正彦、程阳、刘志远和孙茂松。2018年，图形神经网络：方法和应用综述。arXiv预印arXiv:1812.08434（2018）。“}，{”key“：”e_1_1_45_1“，”doi-asserted-by“：”publisher“，“doi”：“10.24963\/ijcai.2018\/516”}，“{”密钥“：”e_1_2_1_46_1“”，“doi-assert-by”：“publisher”，“doi:”10.1145\/2623330.2623705“}”，{“key”：“e_1_2_1_48_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3041021.3054229“}]，“container-title“：[“ACM Transactions on Knowledge Discovery from Data”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3442201”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,1]]，“date-time”：”2023-01-01T21 29:34Z“，”timestamp“：1672608574000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3442201”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：}“date-parts”：[[2021,4,18]]}，《references-count》：48，“journal-issue”：{“issue”：“4”，“published-print”：{-“date-ports”：[2021,8,31]]}}，“alternative-id”：[“10.1145\/3442201”]，“URL”：“http:\/\/dx.doi.org\/10.1145\/3442201“，”relationship“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-4581“，“type”：“print”}，{”value“：”2556-472X“，”type“:”electronic“}]，”subject“：【】，”published“：{”date-parts“：[2021,4,18]]}，“assertion”：[{-“value”：”2020-03-01“，”订单“：0，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“publication_history”，“label”：“出版历史”｝｝，｛“value”：“2020-12-01”，“order”：1，“name”：“accepted”，“label”：“accepted”，“group”：｛“name”：“publication_history”，“label”：“出版历史”｝｝，｛“value”：“2021-04-18”，“order”：2，“name”：“published”，“label”：“published”，“group”：｛“name”：“publication_history”，“label”：“出版历史”｝｝｝｝