公开(公告)号：CN118608224A

公开(公告)日：2024-09-06

申请号：CN202410045538.8

申请日：2024-01-11

Applicant: 华中科技大学 ,  中国平安财产保险股份有限公司

Inventor： 魏巍 ,  邹定 ,  范士轩 ,  谢文峰 ,  陈当阳

IPC: G06Q30/0601 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/096

Abstract: 本发明公开了一种结合多级对比学习的多模态物品推荐方法，包括以下步骤：1)通过物品在每个模态下的特征相似性，构建物品‑物品相似性图；2)获得每个模态下的物品‑物品相似性图后，通过Light‑GCN进行图编码，得到每个模态下的多模态特征；3)在每个模态内进行物品对比学习，获得物品在多个模态下的向量表示；4)根据物品在多个模态下的向量表示进行多模态混合后，获得了混合后的物品表示；5)通过计算用户的id表示与物品的混合表示之间的内积得到预测分数，并根据预测结果进行推荐。本发明方法通过在模态内级别和模态间级别分别设计不同的对比学习任务，有效提高多模态推荐的准确率。

公开(公告)号：CN115168595A

公开(公告)日：2022-10-11

申请号：CN202210230376.6

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  邹定 ,  王子扬 ,  赵森 ,  江胜

IPC: G06F16/36 ,  G06F16/9535

Abstract: 本发明公开了一种结合多阶协同信息的知识图谱推荐方法，包括以下步骤：1)基于所有用户的物品点击序列构建用户‑物品图；2)从用户‑物品图里提取出多阶协同信息；3)将多阶协同信息对应的物品集转换成对应的实体集；4)通过知识交互传播，将多阶协同信息和知识信息结合并对高阶信息进行降噪；5)在本地和高阶图之间制造交互，并利用交互信息对高阶信息进行降噪，从而提升每层知识信息向量的质量；6)基于知识交互传播中用户和物品的本地及高阶多层特征向量，整合得到当前用户和物品的整体向量表示。

公开(公告)号：CN115982373A

公开(公告)日：2023-04-18

申请号：CN202211288281.6

申请日：2022-10-20

Applicant: 中国平安财产保险股份有限公司 ,  华中科技大学

Inventor： 汤鑫 ,  郑文俊 ,  魏巍 ,  邹定 ,  王子扬

IPC: G06F16/36 ,  G06F16/2458 ,  G06F16/28 ,  G06F16/9535 ,  G06F18/214

Abstract: 本发明公开了一种结合多级交互式对比学习的知识图谱推荐方法，包括以下步骤：1)获取用户‑物品交互协同信息和知识图谱实体关系的知识信息；2)将不同阶的协同信息与知识信息结合，构成局部和非局部的异质图；3)基于构建的用户/物品局部和非局部图，对同一图中局部和非局部两部分信息进行交互和对比；4)局部图和非局部图进行图间的对比学习，利用局部图来提取非局部图中的知识信息；5)根据图内与图间交互式对比学习损失，使用多任务模型训练获得知识图谱推荐结果；6)基于图编码和图内与图间级交互式对比学习的用户和物品表示，预测用户对物品点击的可能性。本发明方法可以提升知识图谱推荐的准确率。

公开(公告)号：CN115170217A

公开(公告)日：2022-10-11

申请号：CN202210230384.0

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  赵森 ,  邹定 ,  江胜

IPC: G06Q30/06 ,  G06F16/2457 ,  G06F16/2458 ,  G06N3/04

Abstract: 本发明公开了一种多视角用户意图解缠的图神经网络捆绑推荐方法，该方法包括以下步骤：1)用户意图在不同物品组合和同一物品组合中的分布，从而构造了全局图和局部图；分别对用户购买物品的意图，以及物品组合中包含的用户意图解缠，得到用户和物品组合在不同意图下的分块表示；2)对用户和物品组合在不同意图下的分块表示进行跨视角传播得到用户和物品组合在两种视角下的表示；3)通过意图对比，对比用户意图在不同视角下的信息，优化用户和物品组合的表示；4)通过拼接用户或者物品组合在不同视角下的表示来得到二者的最终表示，然后用点乘来预测用户对物品组合的偏好，实现用户对物品组合偏好的预测。本发明方法能提高捆绑推荐的准确性。