公开(公告)号：CN117171435A

公开(公告)日：2023-12-05

申请号：CN202311124094.9

申请日：2023-09-01

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  罗佳申 ,  刘逸 ,  田强

IPC: G06F16/9535 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于共识偏好及个性化偏好的物品推荐方法，实现步骤为：构建表征构造模型CF的训练样本集、推荐模型UPN的训练样本集和测试样本集；构建表征构造模型CF；初始化参数；对表征构造模型CF进行训练；获取训练好的表征构造模型；构建共识偏好及个性化偏好拟合推荐模型UPN；初始化参数；对共识偏好及个性化偏好拟合推荐模型UPN进行训练；获取训练好的共识偏好及个性化偏好拟合推荐模型UPN；获取物品推荐结果。本发明共识偏好及个性化偏好拟合推荐模型中的全连接网络具有较强的拟合能力，可同时拟合用户的共识偏好与个性化偏好，在更细微的层面更精准地捕获用户的个性化偏好，有效提高了物品推荐的准确性。

公开(公告)号：CN116911949A

公开(公告)日：2023-10-20

申请号：CN202310919874.6

申请日：2023-07-25

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  张克洋 ,  刘逸 ,  罗佳申 ,  王蓉芳 ,  冯婕

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N5/022

Abstract: 本发明公开了一种基于边界排名损失和邻域感知图神经网络的物品推荐方法，主要解决先有技术对物品推荐准确性较低的问题。其实现方案包括：从推荐数据集中提取用户‑物品交互信息；根据提取的信息构建用户‑物品邻域感知交互二部图；构建基于邻域感知图神经网络的物品推荐模型并定义其边界排名损失函数；将用户‑物品邻域感知交互二部图输入到物品推荐模型进行迭代训练，直至模型损失函数收敛；利用训练好的物品推荐模型为用户提供物品推荐。本发明通过构造用户‑物品邻域感知交互二部图及定义边界排名损失函数，不仅能获得更加准确的嵌入向量，而且能增大正负样本嵌入向量之间的差距，提高物品推荐的准确性，可应用于电影、图书、商品及服务推荐。