公开(公告)号：CN116738069A

公开(公告)日：2023-09-12

申请号：CN202310885035.7

申请日：2023-07-18

Applicant: 南京工业大学 ,  江苏省化工本质安全研究院

Inventor： 刘学军 ,  杨红伟 ,  邢卓雅 ,  杨帆

IPC: G06F16/9536 ,  G06F18/23213 ,  G06F18/22

Abstract: 本发明公开了一种融合结构邻居和语义邻居的解耦图对比协同过滤推荐方法，该方法将用户和项目进行嵌入初始化并分别投影到不同空间，进行意图层面的解耦；基于图结构，对结构邻居表征进行学习；利用聚类算法挖掘语义邻居，对语义邻居进行表征学习；通过聚合结构邻居和语义邻居的学习因子，生成用户和项目的完整高阶表征；利用节点表征，分别构建结构和语义的对比学习任务；构建损失函数以优化模型，对用户和项目交互概率进行预测。本发明将意图进行解耦，在学习的过程中可以体现不同意图的重要性，同时融合了结构邻居和语义邻居的特征学习，提升推荐效果。

公开(公告)号：CN117609599A

公开(公告)日：2024-02-27

申请号：CN202311370723.6

申请日：2023-10-20

Applicant: 南京工业大学 ,  江苏省化工本质安全研究院

Inventor： 刘学军 ,  杨帆 ,  邢卓雅 ,  杨红伟

IPC: G06F16/9535 ,  G06N3/045 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于图对比学习和双向Transformer的多任务会话序列推荐方法，该方法对项目序列和操作序列分别使用图对比学习方法和双向Transformer提取交互特征；然后利用多任务策略对推荐监督任务和对比学习任务进行联合优化；最后从提升负样本质量和消除流行度偏差两个角度进行模型优化。本发明将会话推荐中的用户微操作序列单独提取，和项目序列分别建模、学习和提取特征，在传统推荐方法上有效地融合了用户微操作信息，捕捉用户细粒度的兴趣偏好，提升推荐效果。