一种基于双重对比学习的物品推荐方法及装置

    公开(公告)号:CN116485502A

    公开(公告)日:2023-07-25

    申请号:CN202310521595.4

    申请日:2023-05-10

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于双重对比学习的物品推荐方法及装置,该方法包括:获取用户与物品的交互记录信息,并构建目标推荐模型RecDCL;将交互记录信息输入编码器得到用户和物品的当前表征,并计算FCL的目标函数;其中,FCL的目标函数,包括基于当前表征的互相关矩阵计算的对齐性损失和基于当前表征计算的一致性损失;基于当前表征对应的历史表征得到的扰动表征计算BCL的目标函数,并对FCL的目标函数和BCL的目标函数进行联合优化;基于优化后的联合目标函数的损失计算结果计算用户和物品的相似度,并根据相似度计算结果对物品列表进行排序,以根据物品排序结果预测用户点击的物品。本发明可以高效精确的预测用户点击的物品。

    面向学术网络节点分类方法和装置

    公开(公告)号:CN116992334A

    公开(公告)日:2023-11-03

    申请号:CN202311064423.5

    申请日:2023-08-22

    Applicant: 清华大学

    Abstract: 本发明公开了面向学术网络节点分类方法和装置,该方法,包括构建基于学术网络的无向图网络;利用预设的特征变换矩阵和低秩矩阵以及邻接矩阵和特征矩阵建立优化目标函数;利用优化目标函数分别求解对于特征变换矩阵和低秩矩阵的梯度信息,并基于梯度信息对特征变换矩阵和低秩矩阵的矩阵参数进行更新以得到更新后的矩阵参数;根据更新后的矩阵参数得到特征变换矩阵和低秩矩阵对于学术实体节点的分类预测概率矩阵,并基于分类预测概率矩阵得到学术网络节点的分类预测结果。本发明可以实现在有噪声情况下对学术网络节点进行合理的分类。

Patent Agency Ranking