公开(公告)号：CN118395002A

公开(公告)日：2024-07-26

申请号：CN202410390698.6

申请日：2024-04-02

Applicant: 南通大学

Inventor： 邵逸飞 ,  张铎 ,  赵婧雯 ,  程实 ,  王则林

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25 ,  G06Q50/00

Abstract: 本发明属于推荐系统技术领域，具体涉及一种基于超图卷积和社交关系的推荐方法。本发明通过超图卷积来捕捉三个及三个以上的用户节点之间的关系，解决了普通图结构仅通过边来反应节点之间的两两关系，使得模型可以更好地捕捉高阶关系。同时，本发明从原始数据中通过中心性关系采样邻居，用注意力机制聚集邻居，捕捉用户的社交数据，且融合了物品相关的辅助数据，缓解了当前社交关系数据应用中大多只考虑用户社交数据的问题。分析社交数据可以丰富用户的特征表示，挖掘用户间的潜在关系，通过分析这些潜在的关系更有利于推荐效果，可以根据新用户的过往社交数据为其推荐物品，一定程度上缓解了常规推荐系统的冷启动问题和数据稀疏性问题。

公开(公告)号：CN118350898A

公开(公告)日：2024-07-16

申请号：CN202410562320.X

申请日：2024-05-08

Applicant: 南通大学

Inventor： 王祥 ,  张铎 ,  徐钦儿 ,  王则林 ,  周建美 ,  程实

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/047 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明具体涉及一种基于对比学习和图注意力网络的商品推荐方法。本发明包括以下步骤：S1、数据预处理，采用gowalla数据集作为原始数据集，将数据集中的用户与物品数据以及交互数据进行预处理；S2、模型训练，通过编码用户的历史行为数据学习用户的长期偏好，通过用户‑商品二分图获得用户行为的短期预测；S3、对比损失，使用infoNCE损失函数对比损失来衡量正样本和负样本之间的相似性，最大化同质性，最小化异质性，并且进行反向传播；S4、预测，在得到最终长期偏好嵌入表示和短期预测嵌入表示后，通过将两个嵌入向量进行相加，输入MLP层，最终通过SoftMax得到最终的预测结果；S5、通过计算召回率Recall以及归一化折损累计增益NDCG来评估该模型的性能与表现。