公开(公告)号：CN116401542A

公开(公告)日：2023-07-07

申请号：CN202310276542.0

申请日：2023-03-20

Applicant: 华南理工大学

Inventor： 许勇 ,  谢美艳

IPC: G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088 ,  G06Q30/0601

Abstract: 本发明公开了一种多意图多行为解耦推荐方法及装置，其中方法包括：采集用户商品多重交互记录的数据集，根据采集到的数据集获取训练集；将获取到的多重交互关系，以稀疏矩阵形式存储，构造成图结构数据；意图空间的表征；意图解耦学习；进行多行为背景下的基于注意力机制的多意图解耦；行为影响的共性；根据训练集对构建的模型进行训练；推荐预测：将模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明通过解耦表征和注意力机制将意图、行为的独立性和意图与意图、意图与行为之间的潜在关联性进行表示，引入对比学习任务，有重点有差异性的提高推荐性能，增强模型的可解释性，可广泛应用于推荐系统领域。

公开(公告)号：CN115982467A

公开(公告)日：2023-04-18

申请号：CN202310001232.8

申请日：2023-01-03

Applicant: 华南理工大学

Inventor： 许勇 ,  谢美艳

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/22 ,  G06F18/25 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种去偏化用户多兴趣推荐方法、装置及存储介质，其中方法包括：收集用户商品交互记录的数据集，根据数据集获取训练集；以稀疏矩阵形式存储数据，构造为图卷积神经网络可以处理的图结构数据；学习用户‑商品关系图上的节点特征向量；节点嵌入向量学习；优化全局关系，获得更多潜在的语义关系；超边表征以及兴趣原型优化；多兴趣表征获取；去偏化辅助学习；将有监督损失函数与对比损失函数结合，使用优化器进行反向传播，优化网络参数；对训练集数据迭代训练，直至模型收敛；推荐预测。本发明通过对比学习任务和自适应采样方式，消除捕获用户兴趣时受到大众心理干扰而产生的偏差，提高推荐准确度，可广泛应用于机器学习技术领域。