公开(公告)号：CN114943588B

公开(公告)日：2024-07-02

申请号：CN202210679358.6

申请日：2022-06-15

Applicant: 厦门大学

Inventor： 张德富 ,  邱雷

IPC: G06Q30/0601 ,  G06N3/042 ,  G06N3/08 ,  G06F18/214

Abstract: 一种基于图神经网络的噪声数据下的商品推荐方法，涉及商品推荐领域。通过设计噪声数据纠正与数据动态增强方法，提升实际应用场景中噪声数据下商品推荐效果。包括：1)初始学习阶段：初步学习数据集中用户和商品的特征表达，使模型具有识别能力；2)数据纠正阶段：利用模型预测用户集对商品集的感兴趣概率，将概率矩阵与设定的概率阈值比较，纠正用户‑商品之间误标注的交互关系，使模型聚焦正确的数据训练；3)数据动态增强阶段：将用户之间相似性和商品之间相似性以增加或删除边的形式动态编码到图结构中，降低模型对高阶连通性依赖，自适应捕获用户集和商品集各自的内部关系。可用于噪声数据下的商品推荐、点击率预测和社交网络增强等场景。

公开(公告)号：CN114943588A

公开(公告)日：2022-08-26

申请号：CN202210679358.6

申请日：2022-06-15

Applicant: 厦门大学

Inventor： 张德富 ,  邱雷

IPC: G06Q30/06 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 一种基于图神经网络的噪声数据下的商品推荐方法，涉及商品推荐领域。通过设计噪声数据纠正与数据动态增强方法，提升实际应用场景中噪声数据下商品推荐效果。包括：1)初始学习阶段：初步学习数据集中用户和商品的特征表达，使模型具有识别能力；2)数据纠正阶段：利用模型预测用户集对商品集的感兴趣概率，将概率矩阵与设定的概率阈值比较，纠正用户‑商品之间误标注的交互关系，使模型聚焦正确的数据训练；3)数据动态增强阶段：将用户之间相似性和商品之间相似性以增加或删除边的形式动态编码到图结构中，降低模型对高阶连通性依赖，自适应捕获用户集和商品集各自的内部关系。可用于噪声数据下的商品推荐、点击率预测和社交网络增强等场景。