清华大学学报(自然科学版)

作者：张子谦, 王朝坤, 冯昊, 吴呈, 牛放

单位：清华大学 软件学院, 北京 100084

关键词：自监督学习,社交网络,社交关系预测

基金：国家自然科学基金面上项目(62372264),国家自然科学基金面上项目(92467203)

随着互联网电子商务的发展, 提供高效精准的用户与商品推荐成为电商平台重要研究课题。将用户社交关系引入用户-商品交互网络可提升推荐系统性能并拓展新型推荐场景, 但当前主流做法依赖外部社交数据, 存在传统电商平台难以采集用户社交信息、数据隐私和平台封闭性导致社交关系难以全面获取等局限, 使得现有方法在缺乏外部社交数据场景下难以落地。针对真实社交数据缺失的问题, 该文研究了如何利用电商平台自身行为数据自动构建具备社交语义的用户关系网络, 提出了面向大规模电商用户的社交关系自监督构建方法。受传播学同质性理论启发, 该文通过挖掘用户历史行为数据中的同质性, 识别用户社交关系, 进而在无需任何外部社交信息的情况下, 完成对亿级用户社交关系的建模, 构建了具备多关系特征的异构社交图。在此基础上, 探究了增强推荐效果的方法。研究结果表明, 该方法能够在缺乏外部社交信息的场景下, 利用电商行为数据构建出具有社交语义的异构社交图。该成果不仅丰富了平台对用户行为偏好的刻画, 还有助于进一步提升推荐系统的性能, 为解决传统电商平台在缺乏社交数据时的推荐问题提供了可行方案。

来源：2026年第5期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2026年第5期