公开(公告)号：CN119669576A

公开(公告)日：2025-03-21

申请号：CN202411825141.7

申请日：2024-12-12

Applicant: 茅台学院 ,  暨南大学

Inventor： 刘赟 ,  陈炜俊 ,  黄斐然

IPC: G06F16/9535 ,  G06F18/23213 ,  G06N20/00 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种基于大语言模型和对比学习的新闻内容智能推荐方法，该方法包括下述步骤：构建微调训练数据集微调训练大语言模型；构建训练集输入微调后的大语言模型得到图结构增强的置信度预测，清洗后得到图结构增强视图；提取聚类信息；经过图神经网络与图对比学习联合训练，获取用户和新闻内容的协同嵌入向量，与聚类嵌入向量合并后经多层感知机获得用于推荐的最终嵌入向量，根据最终嵌入向量计算用户与不同新闻内容的交互评分，并按照交互评分高低为用户推荐新闻内容。本发明能减少图结构增强中的不确定性，尽可能地保留关键信息来进行联合训练，从而获得更好的推荐效果。

公开(公告)号：CN119741087A

公开(公告)日：2025-04-01

申请号：CN202411825143.6

申请日：2024-12-12

Applicant: 茅台学院 ,  暨南大学

Inventor： 刘赟 ,  陈炜俊 ,  黄斐然

IPC: G06Q30/0601 ,  G06Q50/00 ,  G06F18/22 ,  G06N20/00 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明公开了一种基于图神经网络和大语言模型的商品推荐方法及系统，该方法包括下述步骤：构建微调训练数据集微调训练大语言模型；获取用户与物品的历史交互数据集并划分为训练集和测试集，将训练集输入微调后的大语言模型得到用户社交网络的置信度关系；并将清洗后的置信度关系与原训练集进行合并，得到合并数据；基于合并数据构建泛化矩阵；基于增强泛化矩阵训练用户和商品嵌入向量，通过图神经网络进行表征聚合，将得到的结果进行反向传播更新参数；通过计算余弦相似度得到用户与不同商品的交互评分，并按照评分高低为用户推荐商品。本发明能克服用户画像缺乏社交网络关系支持的问题，获得更好的推荐效果。

公开(公告)号：CN118939832A

公开(公告)日：2024-11-12

申请号：CN202410935761.X

申请日：2024-07-12

Applicant: 暨南大学

Inventor： 周志博 ,  陈炜俊 ,  谢绍均 ,  黄斐然

IPC: G06F16/735 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明公开了一种基于图神经网络的影视推荐方法及系统，属于计算机数据挖掘与分析技术领域，包括：采集用户交互数据并进行预处理后，采用图结构建立图神经网络推荐模型，用于将用户和影视作为节点，分别建立用户的正向意图和负向意图的二部图；基于图神经网络推荐模型，将网络开源的带评分数据的影视平台数据集作为训练数据进行模型训练，提取负向意图表征的信息，以增强正向意图表征，并通过多层感知机为增强后的结果丰富非线性关系，获取用户与不同影视内容之间的交互评分；基于交互评分的高低，为用户推荐影视内容。本发明充分考虑用户行为意图的多样性和影视资源之间的关联性，本发明将为用户带来更加全面、深入的影视推荐体验。