基于图卷积和自注意力机制的购物篮推荐方法及系统

    公开(公告)号:CN118820588A

    公开(公告)日:2024-10-22

    申请号:CN202410830003.1

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统,包括:基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据,通过图卷积网络聚合每个节点的邻接信息,从而更全面捕捉节点与图结构之间的内在联系。同时,构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重,使得模型可以结合用户偏好,做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能,提高了用户的满意度,实现推荐系统与用户需求的更精确的匹配。

    基于宽度学习系统的多尺度协同滤波推荐方法及系统

    公开(公告)号:CN116484111A

    公开(公告)日:2023-07-25

    申请号:CN202310332832.2

    申请日:2023-03-31

    Abstract: 本发明公开了一种基于宽度学习系统的多尺度协同滤波推荐方法及系统,所述方法包括:将获取的原始评分矩阵输入网络的多尺度协同滤波系统中,基于用户的协同过滤得到多个基于用户的多尺度协同向量;以及基于项目的协同过滤得到多个基于项目的多尺度协同向量;将得到的两个多尺度协同向量进行连接,得到多个用户‑项目的多尺度协同向量;将原始评分矩阵中的评分向量转换为one‑hot形式的向量,与对应的多个多尺度协同向量构成训练集;利用训练集训练网络的宽度学习系统;将待评分矩阵输入网络中,得到相应的推荐结果。本发明通过利用多尺度协同滤波系统中基于用户、项目的协同过滤和宽度学习系统相结合,从而能够准确预测出用户对项目的评分。

    基于图卷积和自注意力机制的购物篮推荐方法及系统

    公开(公告)号:CN118820588B

    公开(公告)日:2025-02-07

    申请号:CN202410830003.1

    申请日:2024-06-25

    Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统,包括:基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据,通过图卷积网络聚合每个节点的邻接信息,从而更全面捕捉节点与图结构之间的内在联系。同时,构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重,使得模型可以结合用户偏好,做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能,提高了用户的满意度,实现推荐系统与用户需求的更精确的匹配。

    基于宽度学习的协同滤波推荐方法、系统、设备及介质

    公开(公告)号:CN115114535A

    公开(公告)日:2022-09-27

    申请号:CN202210895742.X

    申请日:2022-07-27

    Abstract: 本发明公开了一种基于宽度学习的协同滤波推荐方法、系统、设备及介质,所述方法包括:获取训练评分矩阵,所述训练评分矩阵包括多个用户‑项目的评分向量;构建宽度学习系统与协同滤波结合的网络,所述网络包括预处理部分和宽度学习系统;将训练评分矩阵输入所述网络进行训练;获取待评分矩阵;将待评分矩阵输入训练好的所述网络,得到相应的推荐结果。本发明构建的宽度学习系统与协同滤波结合的网络,只需消耗相对较短的训练时间和存储相对较少的数据,便能够捕获用户与项目之间的非线性关系,从而取得令人满意的推荐结果。

Patent Agency Ranking