-
公开(公告)号：CN113722608A
公开(公告)日：2021-11-30
申请号：CN202110825699.5
申请日：2021-07-21
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种迭代副信息指导下基于关联关系学习的协同过滤方法及装置，将用户与物品的异质副信息集成到评分记录矩阵；利用生成的偏好预测矩阵，对每一用户进行物品推荐。本发明通过对用户和物品的不同类型的异质副信息进行重要性区分，利用神经因子分解机挖掘各个类型的异质副信息之间的关联关系，并通过迭代的指导充分发挥用户和物品的异质副信息的作用，从而实现对用户和物品的综合理解，提高用户对物品偏好预测的准确度。
-
公开(公告)号：CN116861076A
公开(公告)日：2023-10-10
申请号：CN202310752863.3
申请日：2023-06-25
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于用户流行度偏好的序列推荐方法及装置，该方法包括：根据训练集中的用户‑物品交互数据，按照时间顺序构建用户行为序列；计算序列推荐模型的基础损失；计算序列推荐模型的去噪损失；计算序列推荐模型的对比学习损失；根据基础损失、去噪损失和对比学习损失进行序列推荐模型的训练和优化，进而得到待检测用户‑物品交互序列的推荐结果。本发明可以全面捕捉多样化和动态的用户流行度偏好。
-
Patent Agency Ranking
公开(公告)号：CN113806630B
公开(公告)日：2024-06-14
申请号：CN202110896075.2
申请日：2021-08-05
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9536 , G06F18/25
Abstract: 本发明公开了一种基于注意力的多视角特征融合跨域推荐方法及装置，包括利用公共用户在源域的域特性特征#imgabs0#公共用户与物品在目标域的域特性特征#imgabs1#与域特性特征IT、公共用户与物品在源域与目标域之间的潜在可迁移特征#imgabs2#与潜在可迁移特征#imgabs3#进行融合；基于融合结果进行训练；在最优模型的基础上，获取最优偏好预测集，以对公共用户进行目标域中的物品推荐。本发明解决了源域和目标域之间潜在可迁移特征的捕获问题，对不同类型的特征设置不同的权值，实现不同类型特征的有机结合和充分利用，进而提高推荐系统的性能。
-
公开(公告)号：CN110245285A
公开(公告)日：2019-09-17
申请号：CN201910357967.8
申请日：2019-04-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的个性化推荐方法，本方法通过基于注意力的特征增强模块对不同元图上用户和物品潜在特征的重要性进行学习，降低了无用的潜在特征对评分预测所带来的干扰，增强了有用潜在特征对评分预测的贡献力；同时利用基于分层次特征交互的评分预测模块对特征间的不同相互关系进行学习，不但考虑用户和物品各自加权潜在特征之间的内在联系，而且考虑用户或物品与其加权潜在特征之间的相关性；然后通过用户和物品间特征的融合，使得各特征间的二阶线性交互关系得到了充分挖掘。本发明通过多层感知机和因子分解机的使用，使得各特征间的高阶非线性交互关系得到了全面利用和高效组合，大大提高了推荐系统的性能。
-
公开(公告)号：CN113722608B
公开(公告)日：2024-03-22
申请号：CN202110825699.5
申请日：2021-07-21
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种迭代副信息指导下基于关联关系学习的协同过滤方法及装置，将用户与物品的异质副信息集成到评分记录矩阵；利用生成的偏好预测矩阵，对每一用户进行物品推荐。本发明通过对用户和物品的不同类型的异质副信息进行重要性区分，利用神经因子分解机挖掘各个类型的异质副信息之间的关联关系，并通过迭代的指导充分发挥用户和物品的异质副信息的作用，从而实现对用户和物品的综合理解，提高用户对物品偏好预测的准确度。
-
公开(公告)号：CN113806630A
公开(公告)日：2021-12-17
申请号：CN202110896075.2
申请日：2021-08-05
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明公开了一种基于注意力的多视角特征融合跨域推荐方法及装置，包括利用公共用户在源域的域特性特征公共用户与物品在目标域的域特性特征与域特性特征IT、公共用户与物品在源域与目标域之间的潜在可迁移特征与潜在可迁移特征进行融合；基于融合结果进行训练；在最优模型的基础上，获取最优偏好预测集，以对公共用户进行目标域中的物品推荐。本发明解决了源域和目标域之间潜在可迁移特征的捕获问题，对不同类型的特征设置不同的权值，实现不同类型特征的有机结合和充分利用，进而提高推荐系统的性能。
-
公开(公告)号：CN110245285B
公开(公告)日：2021-07-13
申请号：CN201910357967.8
申请日：2019-04-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的个性化推荐方法，本方法通过基于注意力的特征增强模块对不同元图上用户和物品潜在特征的重要性进行学习，降低了无用的潜在特征对评分预测所带来的干扰，增强了有用潜在特征对评分预测的贡献力；同时利用基于分层次特征交互的评分预测模块对特征间的不同相互关系进行学习，不但考虑用户和物品各自加权潜在特征之间的内在联系，而且考虑用户或物品与其加权潜在特征之间的相关性；然后通过用户和物品间特征的融合，使得各特征间的二阶线性交互关系得到了充分挖掘。本发明通过多层感知机和因子分解机的使用，使得各特征间的高阶非线性交互关系得到了全面利用和高效组合，大大提高了推荐系统的性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
