公开(公告)号：CN115409579A

公开(公告)日：2022-11-29

申请号：CN202211072658.4

申请日：2022-09-02

Applicant: 重庆大学

Inventor： 周明强 ,  李坤朋 ,  代开浪 ,  钱致远 ,  李梦娇

IPC: G06Q30/06 ,  G06N3/08 ,  G06F16/9535

Abstract: 本发明提供了一种基于元学习的响应式推荐方法、系统及设备，方法包括：构建基于元学习的响应式推荐模型，基于元学习的响应式推荐模型包括异构信息网络的元学习器和ID嵌入表示生成器；利用获取的数据，对基于元学习的响应式推荐模型进行训练，得到训练完成的基于元学习的响应式推荐模型以及模型优化参数；获取待推荐用户的用户‑商品历史评分数据，并基于评分数据、训练完成的推荐模型以及模型优化参数，获得目标推荐商品并推荐给用户。本发明采用基于元学习的响应式推荐方法，引入元学习和ID嵌入表示生成器，从而从根源上解决了现有的老用户兴趣变化的响应性问题以及新用户和新商品的初始响应问题，导致推荐准确性低、用户满意度低的问题。

公开(公告)号：CN114510642A

公开(公告)日：2022-05-17

申请号：CN202210148285.8

申请日：2022-02-17

Applicant: 重庆大学

Inventor： 周明强 ,  代开浪 ,  张程 ,  刘慧君

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q30/06

Abstract: 本发明提供了基于异构信息网络的书籍推荐方法、系统及设备，方法包括：构建异构信息网络HIN，利用带评分约束的元路径将HIN转换为多层网络，采用图卷积网络生成用户和书籍的子嵌入表示，基于注意机制的非线性融合函数来融合子嵌入表示以生成最终的嵌入表示，基于损失函数，结合Adam算法进行网络训练，学习得到优化的参数，基于优化的参数，计算获得用户对书籍的预测评分，将预测评分值较高的书籍推荐给用户。本发明采用带有评分约束的元路径，通过元路径将HIN转换为多层网络，利用图卷积与注意力机制来生成用户和书籍的嵌入表示，计算获得用户对书籍的预测评分，从而从根源上解决了现有的提取HIN中的语义信息不够准确及推荐方法的准确率低下的问题。

公开(公告)号：CN114510642B

公开(公告)日：2024-06-25

申请号：CN202210148285.8

申请日：2022-02-17

Applicant: 重庆大学

Inventor： 周明强 ,  代开浪 ,  张程 ,  刘慧君

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q30/0601

Abstract: 本发明提供了基于异构信息网络的书籍推荐方法、系统及设备，方法包括：构建异构信息网络HIN，利用带评分约束的元路径将HIN转换为多层网络，采用图卷积网络生成用户和书籍的子嵌入表示，基于注意机制的非线性融合函数来融合子嵌入表示以生成最终的嵌入表示，基于损失函数，结合Adam算法进行网络训练，学习得到优化的参数，基于优化的参数，计算获得用户对书籍的预测评分，将预测评分值较高的书籍推荐给用户。本发明采用带有评分约束的元路径，通过元路径将HIN转换为多层网络，利用图卷积与注意力机制来生成用户和书籍的嵌入表示，计算获得用户对书籍的预测评分，从而从根源上解决了现有的提取HIN中的语义信息不够准确及推荐方法的准确率低下的问题。