-
公开(公告)号：CN118799038B
公开(公告)日：2024-11-19
申请号：CN202411260400.6
申请日：2024-09-10
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/08 , G06N5/02 , G06N5/045 , G06Q30/0202 , G06F16/36 , G06F18/25
Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。
-
公开(公告)号：CN118799038A
公开(公告)日：2024-10-18
申请号：CN202411260400.6
申请日：2024-09-10
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/08 , G06N5/02 , G06N5/045 , G06Q30/0202 , G06F16/36 , G06F18/25
Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。
-
公开(公告)号：CN118797163A
公开(公告)日：2024-10-18
申请号：CN202410937718.7
申请日：2024-07-12
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。
-
公开(公告)号：CN118797163B
公开(公告)日：2025-03-21
申请号：CN202410937718.7
申请日：2024-07-12
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
