-
公开(公告)号：CN118210978A
公开(公告)日：2024-06-18
申请号：CN202410409181.7
申请日：2024-04-07
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/906 , G06N3/0464 , G06N3/094 , G06N3/086
Abstract: 本发明公开了一种基于奇偶层图对比学习和交叉配对采样的流行度偏差消除推荐方法，所述方法包括：根据获取的用户与物品交互的数据集，构建二分图；将二分图的邻接矩阵输入去偏推荐模型中的图卷积网络，将所有卷积层的输出均值作为用户和物品的原始视图；将二分图的邻接矩阵输入去偏推荐模型中的噪音扰动的图卷积网络，基于节点在卷积奇数层和偶数层的邻居结构关系，构建对比视图；对数据集采用交叉配对采样得到训练集；根据训练集和原始视图计算主任务的损失函数，根据对比视图计算代理任务的损失函数；对两个损失函数共同优化得到最终的节点表示；根据最终的节点表示，得到用户对应的无偏物品推荐列表。本发明能够很好地消除推荐结果中的流行度偏差，在保证推荐准确性的前提下，有效地提升推荐结果的多样性。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
