-
公开(公告)号：CN116821501A
公开(公告)日：2023-09-29
申请号：CN202310792399.0
申请日：2023-06-30
Applicant: 南京邮电大学通达学院
IPC: G06F16/9535 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于对抗学习图卷积神经网络的推荐方法，首先，初始化隐式的用户特征矩阵、隐式的物品特征矩阵，构建用户‑物品交矩阵，获得用户物品的高阶嵌入表示，加入对抗扰动，迭代的叠加多层图卷积神经网络，获得添加对抗扰动后用户物品的高阶嵌入表示，计算对抗损失，将对抗损失集成到BPR的目标公式中，最小化目标公式，学习用户和物品的特征表示，通过计算用户和物品嵌入表示的内积预测物品的评分，根据预测评分提供个性化的物品推荐。本发明在图卷积推荐算法的基础上，集成了对抗学习模块，有效地减轻了推荐模型的泛化误差，不仅提高了推荐算法的鲁棒性，而且提升了推荐算法的性能。
Search Results
1
records
(took 0.027 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
