一种基于因果增强图对比学习的可解释推荐方法

    公开(公告)号:CN119338017A

    公开(公告)日:2025-01-21

    申请号:CN202411383053.6

    申请日:2024-09-30

    Abstract: 本发明提供一种基于因果增强图对比学习的可解释推荐方法,涉及推荐系统技术领域。该方法具体包括:收集用户数据、物品数据和解释数据,并构建若干个用户‑物品‑解释三元组;构建基于因果增强图对比学习的可解释推荐模型;将用户‑物品‑解释三元组输入基于因果增强图对比学习的可解释推荐模型并对该模型进行训练,得到训练好的基于因果增强图对比学习的可解释推荐模型;获取任意一组用户数据、物品数据和解释数据并输入训练好的基于因果增强图对比学习的可解释推荐模型,得到用户的物品推荐结果和推荐解释。该方法无需寻找条件苛刻的中介变量或针对不同的混杂因子逐一建模,从而精准在向用户推荐物品时提供符合用户偏好和物品特性的解释。

    一种基于拓扑关系的空间知识图谱补全方法

    公开(公告)号:CN119808929A

    公开(公告)日:2025-04-11

    申请号:CN202510292957.6

    申请日:2025-03-13

    Applicant: 东北大学

    Abstract: 本发明提供一种基于拓扑关系的空间知识图谱补全方法,涉及空间知识图谱技术领域,本方法通过计算空间实体之间的拓扑关系;将拓扑关系构建为拓扑关系知识图谱;以关系预测任务作为空间实体嵌入学习的下游任务,学习空间实体的拓扑关系嵌入,构建拓扑关系预测模型;使用拓扑关系知识图谱训练拓扑关系预测模型,并对拓扑关系预测模型进行训练;构建空间知识图谱补全模型,融合空间实体的拓扑关系嵌入和空间知识图谱结构嵌入;对空间知识图谱补全模型进行训练;在空间知识图谱中训练补全模型,通过计算三元组的置信度,取置信度最高的三元组作为补充知识。

Patent Agency Ranking