公开(公告)号：CN114519147A

公开(公告)日：2022-05-20

申请号：CN202210145866.6

申请日：2022-02-17

Applicant: 云南大学

Inventor： 张璇 ,  刘会 ,  高宸 ,  杜鲲鹏 ,  马雨彬 ,  李林育

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于GCN的增强影响扩散社交推荐方法，基于信任的传递性和动态性特点，模拟社交递归动态传播影响的过程，构建了增强影响扩散模型，将基于用户与物品的历史交互记录的信任融合到递归社交动态建模中，以解决不同用户因信任关系而面向不同物品进行推荐的问题；同时，引入了注意力机制，为社交图中的用户给予不同的重要性，以解决同阶领域权重分配问题；在递归计算长距离的社交关系时，提出基于残差连接方式来减少噪声的影响；最后，预测用户未来的行为和偏好。本发明充分利用了用户周围邻居的偏好来减轻用户稀疏性，设计了一个基于神经网络的模型模拟社交影响递归传播过程，从而提升推荐性能。

公开(公告)号：CN111723302A

公开(公告)日：2020-09-29

申请号：CN202010515926.X

申请日：2020-06-09

Applicant: 云南大学

Inventor： 张璇 ,  唐子淇 ,  赵静转 ,  刘会 ,  云炜

IPC: G06F16/9536 ,  G06F16/9538 ,  G06F16/36 ,  G06F16/338 ,  G06F40/216 ,  G06F40/103 ,  G06K9/62

Abstract: 本发明公开了一种基于协同双模型深度表示学习的推荐方法，涉及互联网技术的推荐系统领域，其特征在于，获取用户和物品的文本数据和关联数据，将所述文本数据通过主题模型抽取出文本特征，所述关联数据通过网络表示学习模型进行表示学习用户和物品的网络特征，通过所述文本特征和网络特征结合作为综合特征计算用户和物品之间的相似度，最后采用协同过滤算法针对用户进行物品推荐，并将结果通过知识图谱的方式展示关联实体图。本发明采用协同双模型过滤推荐充分利用了用户和物品本身以及关联特征，避免了推荐过程中矩阵稀疏和冷启动的问题，提高了推荐的准确性和结果的有效性。