公开(公告)号：CN113420215B

公开(公告)日：2023-08-29

申请号：CN202110698835.9

申请日：2021-06-23

Applicant: 东北大学

Inventor： 申德荣 ,  张奥雅 ,  寇月 ,  聂铁铮 ,  石美惠

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明提供一种面向兴趣点推荐的可解释生成方法，涉及社交网络以及兴趣点推荐技术领域。首先根据兴趣点推荐模型获取用户ID及推荐的兴趣点，以及兴趣点对应的影响因素；再根据兴趣点影响因素之间的标量投影，进行兴趣点影响因素之间的融合；将多个融合后的影响因素与推荐的兴趣点将多个融合后的影响因素与推荐的兴趣点进行相似性学习，得到融合后的影响因素与推荐的兴趣点间的相似性权重；根据相似性权重值，确定影响兴趣点推荐的主要影响因素；最后采用设定好的句子模板，基于主要影响因素对推荐的兴趣点进行句子解释；该方法对推荐的兴趣点的不同影响因素进行分析，在既保证推荐模型的准确率的同时，又保证了解释的合理性。

公开(公告)号：CN113420215A

公开(公告)日：2021-09-21

申请号：CN202110698835.9

申请日：2021-06-23

Applicant: 东北大学

Inventor： 申德荣 ,  张奥雅 ,  寇月 ,  聂铁铮 ,  石美惠

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明提供一种面向兴趣点推荐的可解释生成方法，涉及社交网络以及兴趣点推荐技术领域。首先根据兴趣点推荐模型获取用户ID及推荐的兴趣点，以及兴趣点对应的影响因素；再根据兴趣点影响因素之间的标量投影，进行兴趣点影响因素之间的融合；将多个融合后的影响因素与推荐的兴趣点将多个融合后的影响因素与推荐的兴趣点进行相似性学习，得到融合后的影响因素与推荐的兴趣点间的相似性权重；根据相似性权重值，确定影响兴趣点推荐的主要影响因素；最后采用设定好的句子模板，基于主要影响因素对推荐的兴趣点进行句子解释；该方法对推荐的兴趣点的不同影响因素进行分析，在既保证推荐模型的准确率的同时，又保证了解释的合理性。

公开(公告)号：CN113656709B

公开(公告)日：2023-07-25

申请号：CN202110972282.1

申请日：2021-08-24

Applicant: 东北大学

Inventor： 申德荣 ,  石美惠 ,  寇月 ,  聂铁铮

IPC: G06F16/9537 ,  G06F16/36 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种融合知识图谱和时序特征的可解释兴趣点推荐方法，涉及兴趣点推荐技术领域。该方法主要包括三个部分：知识图谱构建、实体间的潜在关系表示学习及用户行为的时序动态性捕捉、输出可解释的推荐结果，实体间的潜在关系表示学习是基于构建的知识图谱实现的，通过捕捉实体间的多条潜在关系路径，学习实体间的潜在关系表示，并进一步利用用户的签到序列，即融合路径静态信息和时序动态信息来学习用户偏好，最后基于学习到的用户偏好为用户推荐兴趣点，并提供推荐结果的解释。本发明能够在保证推荐精准度的同时，生成可解释的推理路径，通过提供推荐结果的解释，保证推荐方法的透明度，进而提高用户对推荐结果的信任水平和接受度。

公开(公告)号：CN113656709A

公开(公告)日：2021-11-16

申请号：CN202110972282.1

申请日：2021-08-24

Applicant: 东北大学

Inventor： 申德荣 ,  石美惠 ,  寇月 ,  聂铁铮

IPC: G06F16/9537 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合知识图谱和时序特征的可解释兴趣点推荐方法，涉及兴趣点推荐技术领域。该方法主要包括三个部分：知识图谱构建、实体间的潜在关系表示学习及用户行为的时序动态性捕捉、输出可解释的推荐结果，实体间的潜在关系表示学习是基于构建的知识图谱实现的，通过捕捉实体间的多条潜在关系路径，学习实体间的潜在关系表示，并进一步利用用户的签到序列，即融合路径静态信息和时序动态信息来学习用户偏好，最后基于学习到的用户偏好为用户推荐兴趣点，并提供推荐结果的解释。本发明能够在保证推荐精准度的同时，生成可解释的推理路径，通过提供推荐结果的解释，保证推荐方法的透明度，进而提高用户对推荐结果的信任水平和接受度。