公开(公告)号：CN112184391B

公开(公告)日：2023-10-10

申请号：CN202011109159.9

申请日：2020-10-16

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  郝前秀 ,  杨智勇 ,  黄庆明

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种推荐模型的训练方法、介质、电子设备和推荐模型，训练方法包括A1、构建推荐模型、损失构建模块和多目标优化模块；A2、获取不同用户的商品交互记录，根据用户属性设置不同的用户组；A3、利用商品交互记录对推荐模型进行多次迭代训练至收敛，其中，每次训练包括：A31、用推荐模型从本次获取的商品交互记录中学习用户对商品的决策过程，获取用户对所有商品的偏好概率；A32、基于用户对所有商品的偏好概率，损失构建模块构建第一损失函数用于计算针对不同用户的推荐准确性损失以及构建连续可微的第二损失函数用于计算针对不同的用户组的推荐公平性损失；A33、多目标优化模块根据推荐准确性损失和推荐公平性损失确定参数更新方向。

公开(公告)号：CN112861006B

公开(公告)日：2023-06-23

申请号：CN202110198542.4

申请日：2021-02-22

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  郝前秀 ,  杨智勇 ,  黄庆明

IPC: G06F16/9535 ,  G06F18/22 ,  G06F18/25

Abstract: 本发明提出一种融合元路径语义的推荐方法，包括：基于异构信息网络及用户/商品评分数据集，计算所述用户/商品的相对重要性二部图；利用所述相对重要性二部图指导用户/商品结点之间的信息传播，得到所述用户/商品结点的嵌入表达；将所述用户/商品结点的嵌入表达进行变换得到用于推荐的所述用户/商品结点的最终嵌入表达，并将所述用户/商品结点的最终嵌入表达输入一推荐模型得到所述用户/商品的预测分数。

公开(公告)号：CN112861006A

公开(公告)日：2021-05-28

申请号：CN202110198542.4

申请日：2021-02-22

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  郝前秀 ,  杨智勇 ,  黄庆明

IPC: G06F16/9535 ,  G06K9/62

Abstract: 本发明提出一种融合元路径语义的推荐方法，包括：基于异构信息网络及用户/商品评分数据集，计算所述用户/商品的相对重要性二部图；利用所述相对重要性二部图指导用户/商品结点之间的信息传播，得到所述用户/商品结点的嵌入表达；将所述用户/商品结点的嵌入表达进行变换得到用于推荐的所述用户/商品结点的最终嵌入表达，并将所述用户/商品结点的最终嵌入表达输入一推荐模型得到所述用户/商品的预测分数。

公开(公告)号：CN112184391A

公开(公告)日：2021-01-05

申请号：CN202011109159.9

申请日：2020-10-16

Applicant: 中国科学院计算技术研究所

Inventor： 许倩倩 ,  郝前秀 ,  杨智勇 ,  黄庆明

IPC: G06Q30/06 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种推荐模型的训练方法、介质、电子设备和推荐模型，训练方法包括A1、构建推荐模型、损失构建模块和多目标优化模块；A2、获取不同用户的商品交互记录，根据用户属性设置不同的用户组；A3、利用商品交互记录对推荐模型进行多次迭代训练至收敛，其中，每次训练包括：A31、用推荐模型从本次获取的商品交互记录中学习用户对商品的决策过程，获取用户对所有商品的偏好概率；A32、基于用户对所有商品的偏好概率，损失构建模块构建第一损失函数用于计算针对不同用户的推荐准确性损失以及构建连续可微的第二损失函数用于计算针对不同的用户组的推荐公平性损失；A33、多目标优化模块根据推荐准确性损失和推荐公平性损失确定参数更新方向。