公开(公告)号：CN114168845B

公开(公告)日：2023-08-15

申请号：CN202111406256.9

申请日：2021-11-24

Applicant: 电子科技大学

Inventor： 惠孛 ,  田玲 ,  郑旭 ,  张栗粽 ,  罗光春 ,  杨钦程 ,  梁逸寒

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明涉及物品推荐领域，其公开了一种基于多任务学习的序列化推荐方法，提高系统推荐结果的准确率和多样性。该方法包括：S1、计算用户的意图向量表征信息，并与用户上下文信息、用户画像信息的Embedding表征进行特征拼接输入至双塔模型的用户侧，获取物品Embedding矩阵并输入至双塔模型的物品侧，生成初步的物品推荐列表；S2、采用基于卷积神经网络CNN和长短期记忆网络LSTM捕捉用户历史行为轨迹，并利用注意力机制从用户历史行为轨迹中捕捉与当前意图最相关的信息，结合初步物品推荐列表中的物品信息，通过滑动推理计算生成细粒度的有序推荐列表；S3、以细粒度的有序推荐列表作为输入，通过预训练的多任务学习神经网络模型调整序列的全局有序性，生成最终的推荐列表。

公开(公告)号：CN115374288A

公开(公告)日：2022-11-22

申请号：CN202210890992.4

申请日：2022-07-27

Applicant: 电子科技大学

Inventor： 惠孛 ,  田玲 ,  高辉 ,  古莎莎 ,  陈毓 ,  杨钦程

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及个性化推荐技术，其公开了一种基于知识图谱与注意力机制的推荐方法，解决传统推荐方法存在的数据稀疏和解释性差，实际推荐效果不佳，难以满足实际使用需求的问题。本发明首先将推荐系统中的项目与知识图谱的实体对齐，形成训练样本集；然后构建包括输入层、编码层、特征融合层及输出层的推荐模型，将训练样本集作为推荐模型的输入，采用选取的损失函数作为优化目标，对推荐模型进行训练；最后，基于训练好的推荐模型计算用户采纳待推荐项目的概率，根据概率的大小进行排序，生成用户的推荐候选集。适用于各类内容、资源、物品的个性化推荐。

公开(公告)号：CN114168845A

公开(公告)日：2022-03-11

申请号：CN202111406256.9

申请日：2021-11-24

Applicant: 电子科技大学

Inventor： 惠孛 ,  田玲 ,  郑旭 ,  张栗粽 ,  罗光春 ,  杨钦程 ,  梁逸寒

IPC: G06F16/9535 ,  G06N3/04

Abstract: 本发明涉及物品推荐领域，其公开了一种基于多任务学习的序列化推荐方法，提高系统推荐结果的准确率和多样性。该方法包括：S1、计算用户的意图向量表征信息，并与用户上下文信息、用户画像信息的Embedding表征进行特征拼接输入至双塔模型的用户侧，获取物品Embedding矩阵并输入至双塔模型的物品侧，生成初步的物品推荐列表；S2、采用基于卷积神经网络CNN和长短期记忆网络LSTM捕捉用户历史行为轨迹，并利用注意力机制从用户历史行为轨迹中捕捉与当前意图最相关的信息，结合初步物品推荐列表中的物品信息，通过滑动推理计算生成细粒度的有序推荐列表；S3、以细粒度的有序推荐列表作为输入，通过预训练的多任务学习神经网络模型调整序列的全局有序性，生成最终的推荐列表。