公开(公告)号：CN117009661A

公开(公告)日：2023-11-07

申请号：CN202310926846.7

申请日：2023-07-26

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  于海坤 ,  刘逸 ,  方云飞 ,  王蓉芳 ,  冯婕

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/042 ,  G06N3/092

Abstract: 本发明公开了一种基于可微图神经网络架构搜索的协同过滤推荐方法，主要解决现有技术推荐性能不强且时间消耗大的问题，其实现方案包括为：构建图神经网络架构空间；构建用户—物品二部图；根据用户—物品二部图对用户的历史交互数据进行正负样本采样完成数据预处理；将预处理后的数据集划分成训练集、验证集和测试集；根据训练集的损失函数和验证集的损失函数，利用可微搜索策略在网络架构空间中搜索最佳模型架构；将测试集输入到最佳模型架构中，输出对用户的推荐物品。本发明能有效捕捉用户和物品之间高阶的偏好特征，且针对不同数据集能自动搜索出性能最佳的架构，提高了推荐效果，具有很强的泛化能力，可用于图书、新闻、商品等各种推荐系统。

公开(公告)号：CN117932158A

公开(公告)日：2024-04-26

申请号：CN202410116812.6

申请日：2024-01-26

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  于海坤 ,  刘逸 ,  陈云龙 ,  王蓉芳 ,  冯婕

IPC: G06F16/9535 ,  G06F16/26 ,  G06F18/23 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多视图数据增强与图对比学习的序列推荐方法及系统，其实现方案包括：分别构建加权序列转化全局图和物品相关性全局图，通过对每个全局图进行邻居节点采样实现数据增强，利用图神经网络捕获用户的意图信息，通过联合优化对比学习目标和推荐目标迭代更新用户嵌入向量与物品嵌入向量，将每个用户优化后的嵌入向量和物品的嵌入向量进行内积，生成用户对物品的评分，根据评分排序输出物品的推荐序列。本发明能有效捕捉用户全局信息，适应不断变化的用户行为模式，不易受到数据稀疏性的影响，具有较强的泛化性能，为用户提供准确和多样化的推荐。