公开(公告)号：CN118114714A

公开(公告)日：2024-05-31

申请号：CN202311707868.0

申请日：2023-12-13

Applicant: 重庆邮电大学

Inventor： 杜雨露 ,  刘晨成 ,  秦红星 ,  邓欣

IPC: G06N3/0442 ,  G06N3/042 ,  G06N3/08 ,  G06N3/0499

Abstract: 本发明属于深度学习领域，具体涉及一种基于用户微行为的项目序列推荐方法，包括：获取待推荐用户的交互项目序列和微行为序列；根据用户交互的项目序列构建有向图，采用门控图神经网络对有向图进行学习，得到每个交互项目的嵌入表示；对用户微行为序列进行学习，得到用户微行为的嵌入表示；将项目嵌入表示和用户微行为嵌入表示将进行融合；采用基于注意力机制的双向GRU网络对强化后的项目嵌入表示进行学习，得到用户偏好表示；将用户偏好表示和候选项目序列输入到前馈神经网络中，得到下一个交互项目的概率；本发明同时考虑到用户的微行为与用户的短期偏好，使用了不同的方法来学习项目嵌入和微行为嵌入，给用户提供更为精准的推荐。

公开(公告)号：CN118296232A

公开(公告)日：2024-07-05

申请号：CN202410429410.1

申请日：2024-04-10

Applicant: 重庆邮电大学

Inventor： 刘晨成 ,  秦红星 ,  杜雨露

IPC: G06F16/9535 ,  G06F16/36 ,  G06F16/635 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明属于深度学习和推荐系统技术领域，具体涉及一种基于多任务学习的音乐序列推荐方法，包括：首先为用户交互序列中的音乐构建微行为序列，分别学习用户微行为序列和物品序列，并将两者串联后通过注意力机制生成包含用户微行为信息的用户表示；通过在包含歌曲属性的知识图谱上进行用户对歌曲属性的偏好传播学习得到包含歌曲属性的用户表示，将两个用户表示进行融合，同时通过多任务学习共同学习推荐任务模块和知识图谱嵌入模块以此得到物品表示，以此对下一个交互物品进行预测；本发明考虑到用户的微行为与歌曲属性之间的潜在联系，使用了不同的方法来学习物品嵌入和微行为嵌入，得到包含微行为信息的用户偏好表示。

公开(公告)号：CN117370656A

公开(公告)日：2024-01-09

申请号：CN202311316860.1

申请日：2023-10-12

Applicant: 重庆邮电大学

Inventor： 杜雨露 ,  刘晨成 ,  秦红星

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/0442 ,  G06N3/0499

Abstract: 本发明属于推荐系统技术领域，具体涉及一种基于知识图谱的项目序列推荐方法，包括：获取用户数据和项目数据，将项目序列输入到GRU模型中进行学习，得到项目序列的嵌入表示；采用transformer模型对用户行为操作序列进行学习，得到每个行为操作的嵌入表示；将项目序列嵌入表示和行为操作嵌入表示进行组合，得到用户偏好表示；将用户偏好表示和待预测的候选项目送入前馈神经网络计算匹配得分；对属性知识图谱进行特征提取，得到项目知识嵌入表示；根据匹配得分和项目知识嵌入表示将候选项目推荐给用户；本发明将用户宏观行为之下的具体行为操作与项目的知识属性相结合，通过多任务学习将知识图谱嵌入学习作为辅助任务以促进推荐任务。