-
公开(公告)号：CN112541131A
公开(公告)日：2021-03-23
申请号：CN202011416979.2
申请日：2020-12-07
Applicant: 东北大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04
Abstract: 本发明公开一种基于邻居用户的多个兴趣影响的推荐方法，属于基于用户兴趣的推荐方法技术领域。根据社交关系图对每个用户的邻居进行随机采样得到K个兴趣感知图；在每个兴趣感知图上分别进行图卷积操作，聚合单个兴趣在用户之间的相互影响；在用户项目交互图上通过图卷积操作，聚合用户交互过的项目信息以及项目被交互过的用户信息；将上面两个聚合步骤得到的结果进行元素拼接，得到第一个卷积层的结果；迭代多次前述图卷积操作；将多个卷积层的结果进行注意力融合，得到用户和项目的最终嵌入向量，并通过向量內积得到用户可能与项目产生交互的概率，进而得到推荐列表。该方法可使推荐系统能够充分利用社交网络带来的影响，提升推荐效果。
-
公开(公告)号：CN112541130B
公开(公告)日：2021-10-29
申请号：CN202011416256.2
申请日：2020-12-07
Applicant: 东北大学
IPC: G06F16/9536 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于深度交叉特征融合的推荐方法及装置，属于推荐系统协同过滤领域。输入初始数据后，对初始数据进行转换、稠密化、扩展和拼接处理后得到用户特征向量栈和项目特征向量栈；通过计算用户特征向量栈中用户的每个特征与项目特征向量栈中项目的每个特征之间的影响关系，将用户特征与项目特征做细粒度的融合，得到最终的用户嵌入向量和项目嵌入向量，再对这两个向量做内积，得到目标用户对该项目产生交互的预测分数，根据预测分数值为目标用户做出个性化推荐。通过将用户特征与项目特征融合，深度挖掘用户特征与项目特征之间的潜在关系，更加细粒度地考虑了用户和项目之间双向的影响关系，最终为目标用户提供个性化推荐。
-
公开(公告)号：CN112541131B
公开(公告)日：2021-10-29
申请号：CN202011416979.2
申请日：2020-12-07
Applicant: 东北大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04
Abstract: 本发明公开一种基于邻居用户的多个兴趣影响的推荐方法，属于基于用户兴趣的推荐方法技术领域。根据社交关系图对每个用户的邻居进行随机采样得到K个兴趣感知图；在每个兴趣感知图上分别进行图卷积操作，聚合单个兴趣在用户之间的相互影响；在用户项目交互图上通过图卷积操作，聚合用户交互过的项目信息以及项目被交互过的用户信息；将上面两个聚合步骤得到的结果进行元素拼接，得到第一个卷积层的结果；迭代多次前述图卷积操作；将多个卷积层的结果进行注意力融合，得到用户和项目的最终嵌入向量，并通过向量內积得到用户可能与项目产生交互的概率，进而得到推荐列表。该方法可使推荐系统能够充分利用社交网络带来的影响，提升推荐效果。
-
公开(公告)号：CN112541130A
公开(公告)日：2021-03-23
申请号：CN202011416256.2
申请日：2020-12-07
Applicant: 东北大学
IPC: G06F16/9536 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于深度交叉特征融合的推荐方法及装置，属于推荐系统协同过滤领域。输入初始数据后，对初始数据进行转换、稠密化、扩展和拼接处理后得到用户特征向量栈和项目特征向量栈；通过计算用户特征向量栈中用户的每个特征与项目特征向量栈中项目的每个特征之间的影响关系，将用户特征与项目特征做细粒度的融合，得到最终的用户嵌入向量和项目嵌入向量，再对这两个向量做内积，得到目标用户对该项目产生交互的预测分数，根据预测分数值为目标用户做出个性化推荐。通过将用户特征与项目特征融合，深度挖掘用户特征与项目特征之间的潜在关系，更加细粒度地考虑了用户和项目之间双向的影响关系，最终为目标用户提供个性化推荐。
-
-
-
Search Results
4
records
(took 0.014 seconds)
