公开(公告)号：CN117909599A

公开(公告)日：2024-04-19

申请号：CN202410110228.X

申请日：2024-01-26

Applicant: 东北大学

Inventor： 赵宇海 ,  袁忠飞 ,  印莹

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F18/22 ,  G06F18/25 ,  G06F18/20 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明提供一种基于超图协同过滤的多模态推荐方法，涉及用户推荐技术领域。该方法首先根据用户的历史数据，确定用户的数量和物品的数量，完成物品模态特征提取；再构造用户‑物品交互矩阵和物品之间的模态交互矩阵；并在交互矩阵和模态交互矩阵上分别计算出物品、用户以及物品各模态的k阶可达邻居得到对应的超图传播矩阵；然后初始化用户和物品的特征向量；构造基于超图卷积网络的多模态协同过滤模型，优化用户和物品特征向量；最后最小化损失函数，更新用户和物品的特征向量，直至满足迭代结束条件。该方法通过融合不同模态的信息，可以提高推荐系统的准确性和个性化水平，同时增加系统对复杂关系的理解能力。