-
公开(公告)号：CN112801751B
公开(公告)日：2022-12-23
申请号：CN202110155597.7
申请日：2021-02-04
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据挖掘领域，具体涉及一种多任务图神经网络的个性化景区推荐方法，该方法包括：获取用户与景区的交互数据、用户属性数据以及景区属性数据；根据用户与景区数据构建景区知识图谱以及用户知识图谱；通过两个图神经网络学习知识图谱中实体和关系的向量表示，从而构建深度神经网络预测用户对景区的评分；通过推荐网络评分任务和用户以及景区知识图谱表示学习任务的多任务交替训练的方式训练三个网络，完成模型优化；本发明引入景区与用户属性信息并构建知识图谱，通过多任务交替训练的方式训练网络，精确地学习到用户与景区特征间的关系，多任务交替训练网络可以增强模型的可扩展性，避免模型过拟合，能有效提升推荐性能。
-
公开(公告)号：CN112950324A
公开(公告)日：2021-06-11
申请号：CN202110278391.3
申请日：2021-03-15
Applicant: 重庆邮电大学
Abstract: 发明属于大数据挖掘领域，具体涉一种知识图谱辅助的成对排序个性化电商推荐方法及系统，方法包括获取原始数据，对原始数据进行预处理，并利用处理后的原始数据构建知识图谱；从获取的数据中抽取目标用户的负样本，通过负样本构建输入数据；构建个性化推荐模型，将通过负样本构建的输入数据作为输入，进行训练；将目标用户的实时数据经过预处理并提取负样本，构成输入数据输入个性化推荐模型，个性化推荐模型输出针对目标用户的商品推荐列表；本发明解决了传统成对排序算法随机抽取负样本导致模型收敛速度缓慢、推荐精度不高等问题。
-
公开(公告)号：CN112950324B
公开(公告)日：2022-06-03
申请号：CN202110278391.3
申请日：2021-03-15
Applicant: 重庆邮电大学
Abstract: 发明属于大数据挖掘领域，具体涉一种知识图谱辅助的成对排序个性化电商推荐方法及系统，方法包括获取原始数据，对原始数据进行预处理，并利用处理后的原始数据构建知识图谱；从获取的数据中抽取目标用户的负样本，通过负样本构建输入数据；构建个性化推荐模型，将通过负样本构建的输入数据作为输入，进行训练；将目标用户的实时数据经过预处理并提取负样本，构成输入数据输入个性化推荐模型，个性化推荐模型输出针对目标用户的商品推荐列表；本发明解决了传统成对排序算法随机抽取负样本导致模型收敛速度缓慢、推荐精度不高等问题。
-
公开(公告)号：CN112801751A
公开(公告)日：2021-05-14
申请号：CN202110155597.7
申请日：2021-02-04
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据挖掘领域，具体涉及一种多任务图神经网络的个性化景区推荐方法，该方法包括：获取用户与景区的交互数据、用户属性数据以及景区属性数据；根据用户与景区数据构建景区知识图谱以及用户知识图谱；通过两个图神经网络学习知识图谱中实体和关系的向量表示，从而构建深度神经网络预测用户对景区的评分；通过推荐网络评分任务和用户以及景区知识图谱表示学习任务的多任务交替训练的方式训练三个网络，完成模型优化；本发明引入景区与用户属性信息并构建知识图谱，通过多任务交替训练的方式训练网络，精确地学习到用户与景区特征间的关系，多任务交替训练网络可以增强模型的可扩展性，避免模型过拟合，能有效提升推荐性能。
-
-
-
Search Results
4
records
(took 0.017 seconds)
