公开(公告)号：CN111522962A

公开(公告)日：2020-08-11

申请号：CN202010277778.2

申请日：2020-04-09

Applicant: 苏州大学

Inventor： 赵朋朋 ,  朱兴伟 ,  凌晓峰 ,  崔志明

IPC: G06F16/36 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种序列推荐方法、装置及计算机可读存储介质。其中，方法包括预先将用户集‑项目集构成的双向图和知识图谱结合并统一为混合知识图谱；将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中；该模型包括知识图嵌入模块、图注意力网络和循环神经网络；知识图嵌入模块将混合知识图谱的所有节点编码为向量，图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以捕获全局的用户‑项目和项目‑项目之间的关系；循环神经网络对用户交互序列项目进行编码以获取用户的动态偏好；最后根据该模型的输出确定待推荐用户的推荐序列信息，从而基于知识图中实体与局部图上下文之间的高阶依赖关系进行高准确度的序列推荐。

公开(公告)号：CN111291274A

公开(公告)日：2020-06-16

申请号：CN202010134958.5

申请日：2020-03-02

Applicant: 苏州大学

Inventor： 赵朋朋 ,  严浩冉 ,  凌晓峰

IPC: G06F16/9536 ,  G06F16/9538 ,  G06N3/08

Abstract: 本发明公开了一种物品推荐方法，该方法包括以下步骤：接收请求端发送的物品访问请求；利用跨域推荐模型对物品访问请求进行解析，得到目标物品集；其中，跨域推荐模型为通过在嵌入层加入对抗扰动进行对抗训练得到；将目标物品集输出推荐给请求端。应用本发明实施例所提供的技术方案，较大地提高了物品推荐的准确性。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。

公开(公告)号：CN111415222A

公开(公告)日：2020-07-14

申请号：CN202010196317.2

申请日：2020-03-19

Applicant: 苏州大学

Inventor： 赵朋朋 ,  乌倩倩 ,  凌晓峰

IPC: G06Q30/06

Abstract: 本发明公开了一种物品推荐方法，包括：利用两层自适应注意力网络，从用户历史评论和目标物品对应的物品历史评论中获取用户对目标物品的可见偏好信息和不可见偏好信息；利用评论驱动的视觉注意力模网络结合偏好信息，计算目标物品的图像向量表示；将原用户向量表示与偏好信息结合，得到目标用户向量表示；将原物品向量表示与图像向量表示结合，得到目标物品向量表示；对目标用户向量表示和目标物品向量表示进行相似度评分计算；根据评分计算结果向用户进行物品推荐。本发明充分结合了用户的可视偏好信息和不可视偏好信息进行物品推荐，较大地提高了物品推荐的准确性。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。

公开(公告)号：CN111522962B

公开(公告)日：2023-05-02

申请号：CN202010277778.2

申请日：2020-04-09

Applicant: 苏州大学

Inventor： 赵朋朋 ,  朱兴伟 ,  凌晓峰 ,  崔志明

IPC: G06F16/36 ,  G06F16/9535 ,  G06N3/084 ,  G06N3/048

Abstract: 本申请公开了一种序列推荐方法、装置及计算机可读存储介质。其中，方法包括预先将用户集‑项目集构成的双向图和知识图谱结合并统一为混合知识图谱；将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中；该模型包括知识图嵌入模块、图注意力网络和循环神经网络；知识图嵌入模块将混合知识图谱的所有节点编码为向量，图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以捕获全局的用户‑项目和项目‑项目之间的关系；循环神经网络对用户交互序列项目进行编码以获取用户的动态偏好；最后根据该模型的输出确定待推荐用户的推荐序列信息，从而基于知识图中实体与局部图上下文之间的高阶依赖关系进行高准确度的序列推荐。

公开(公告)号：CN111415222B

公开(公告)日：2023-05-02

申请号：CN202010196317.2

申请日：2020-03-19

Applicant: 苏州大学

Inventor： 赵朋朋 ,  乌倩倩 ,  凌晓峰

IPC: G06Q30/0601

Abstract: 本发明公开了一种物品推荐方法，包括：利用两层自适应注意力网络，从用户历史评论和目标物品对应的物品历史评论中获取用户对目标物品的可见偏好信息和不可见偏好信息；利用评论驱动的视觉注意力模网络结合偏好信息，计算目标物品的图像向量表示；将原用户向量表示与偏好信息结合，得到目标用户向量表示；将原物品向量表示与图像向量表示结合，得到目标物品向量表示；对目标用户向量表示和目标物品向量表示进行相似度评分计算；根据评分计算结果向用户进行物品推荐。本发明充分结合了用户的可视偏好信息和不可视偏好信息进行物品推荐，较大地提高了物品推荐的准确性。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。