公开(公告)号：CN115953215B

公开(公告)日：2023-09-05

申请号：CN202211533857.0

申请日：2022-12-01

Applicant: 上海交通大学

Inventor： 郑雷 ,  柴化灿 ,  陈贤宇 ,  晋嘉睿 ,  张伟楠

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F18/22 ,  G06F18/21 ,  G06N3/04

Abstract: 本发明公开了一种基于时间和图结构的搜索式推荐方法，涉及推荐系统领域，包括以下步骤：收集互联网平台用户行为历史数据，使用内积神经网络对用户和历史数据中的物品进行编码，并计算用户和物品的嵌入向量，对历史物品进行建图、采样和学习，将物品的嵌入向量输入模型中，基于用户和物品特征，在用户历史数据中检索相似物品和相似用户，从相似用户的历史数据中检索目标物品的相似物品；将检索得到的用户历史序列输入时间感知模型中得到隐状态序列，将隐状态序列输入多层感知机中进行预测并进行反向传播，将训练完毕的算法模型应用于推荐算法中。本发明提出的推荐方法，能够在在线环境下处理大规模的用户历史序列，能有效提升推荐效率和表现。

公开(公告)号：CN119441606A

公开(公告)日：2025-02-14

申请号：CN202411495232.9

申请日：2024-10-24

Applicant: 行吟信息科技(上海)有限公司 ,  上海交通大学

Inventor： 张康宁 ,  秦英杰 ,  晋嘉睿 ,  苏睿龙 ,  张伟楠 ,  俞勇

IPC: G06F16/9535 ,  G06N20/00 ,  G06F18/213 ,  G06F18/23213 ,  G06N3/0499 ,  G06N3/0985

Abstract: 本申请涉及一种模型训练方法、物品推荐方法、装置、服务器和存储介质。所述模型训练方法包括：获取训练样本；所述训练样本包括样本用户和对应的样本物品；基于所述样本物品的模态特征，获取所述样本物品的离散化特征向量；所述模态特征包括多个特征段，所述离散化特征向量包括所述多个特征段对应的多个单元向量；至少根据所述样本用户的表征向量、所述离散化特征向量和目标模型，得到所述样本用户的目标表征和所述样本物品的目标表征；利用所述样本用户的目标表征和所述样本物品的目标表征，训练所述目标模型。采用本方法能够提升推荐结果准确度。

公开(公告)号：CN115953215A

公开(公告)日：2023-04-11

申请号：CN202211533857.0

申请日：2022-12-01

Applicant: 上海交通大学

Inventor： 郑雷 ,  柴化灿 ,  陈贤宇 ,  晋嘉睿 ,  张伟楠

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F18/22 ,  G06F18/21 ,  G06N3/04

Abstract: 本发明公开了一种基于时间和图结构的搜索式推荐方法，涉及推荐系统领域，包括以下步骤：收集互联网平台用户行为历史数据，使用内积神经网络对用户和历史数据中的物品进行编码，并计算用户和物品的嵌入向量，对历史物品进行建图、采样和学习，将物品的嵌入向量输入模型中，基于用户和物品特征，在用户历史数据中检索相似物品和相似用户，从相似用户的历史数据中检索目标物品的相似物品；将检索得到的用户历史序列输入时间感知模型中得到隐状态序列，将隐状态序列输入多层感知机中进行预测并进行反向传播，将训练完毕的算法模型应用于推荐算法中。本发明提出的推荐方法，能够在在线环境下处理大规模的用户历史序列，能有效提升推荐效率和表现。