公开(公告)号：CN118445478A

公开(公告)日：2024-08-06

申请号：CN202410540364.2

申请日：2024-04-30

Applicant: 上海工程技术大学

Inventor： 黄勃 ,  郑思睿 ,  浦震宇 ,  王星杰 ,  刘书华

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06Q50/00

Abstract: 本发明公开了一种融合动态邻居和静态邻居信息的自监督学习推荐方法，属于个性化推荐技术领域。包括：从公开数据中获取用户‑项目交互图以及用户社交图，建立数据集；构建基于轻量级图卷积网络LightGCN和贝叶斯个性化排序算法的推荐模型；构建静态隐式邻居集合、静态显式邻居集合以及动态邻居集合用于对LightGCN进行对比学习；结合模型训练和对比学习构建总的损失函数对模型进行优化。本发明结合了动态邻居和静态邻居的概念来进行推荐，能够捕捉到用户特征的细微变化，从而使推荐更加个性化和精准。同时利用了用户社交网络中的数据以及用户和项目之间的交互数据，解决了数据稀疏性问题，也为推荐系统提供了丰富且个性化的视角。