公开(公告)号：CN116796073A

公开(公告)日：2023-09-22

申请号：CN202310826295.7

申请日：2023-07-07

Applicant: 北京科技大学

Inventor： 王庆梅 ,  靳博文 ,  曾凡运 ,  廉贺淳 ,  时鹏 ,  章立军

IPC: G06F16/9535 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/096 ,  G06F18/2415

Abstract: 本发明公开了一种基于特征增强的图对比学习会话推荐方法，通过有效地利用会话级特征向量表示和全局级特征向量表示两个层次的成对项目转换信息来提高对当前会话的推荐性能。在全局级项目表示学习模块中通过融合更深层的邻居特征的方式获得全局级特征，缓解了过平滑问题。通过注意力机制聚合两种项目表示对当前会话的用户偏好进行建模，通过特征增强的方法保留输入空间特征，最终输出候选项目的预测概率。经过验证，本发明使得会话推荐的预测结果更加准确。

公开(公告)号：CN114117229A

公开(公告)日：2022-03-01

申请号：CN202111447363.6

申请日：2021-12-01

Applicant: 北京科技大学

Inventor： 王庆梅 ,  王铮 ,  胡承佐 ,  靳博文

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

Abstract: 本发明公开了一种基于有向和无向结构信息的图神经网络的项目推荐方法，包括：根据会话序列图的邻接关系，利用图卷积网络提取图中的无向结构信息，利用门控图神经网络提取图中的有向结构信息，再计算得到中间项目隐含向量，对得到的中间项目隐含向量通过线性变换得到最终的项目隐含向量；给会话序列中出现的重复点击项目分配更高的注意力，并在生成项目隐含向量的时候引入注意力机制，根据项目间依赖的程度修改相应项目的权重系数。本发明使得生成的会话向量在推荐过程中预测得更准确。