申请/专利权人:中国科学技术大学
申请日:2021-02-26
公开(公告)日:2021-06-08
公开(公告)号:CN112925977A
主分类号:G06F16/9535(20190101)
分类号:G06F16/9535(20190101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.01.06#发明专利申请公布后的驳回;2021.06.25#实质审查的生效;2021.06.08#公开
摘要:本发明公开了一种基于自监督图表征学习的推荐方法,可以适配现有所有的基于图神经网络的推荐模型,并利用设计的数据增强策略进行自监督学习来辅助有监督推荐任务,为用户和物品构建更高质量的向量表征,从而为用户提供更加优质、准确的个性化推荐内容。
主权项:1.一种基于自监督图表征学习的推荐方法,其特征在于,包括:训练阶段,选定数据增强操作,并基于选定的数据增强操作对用户-物品二分图中的嵌入矩阵或者邻接矩阵进行数据增强生成各节点的多个增强视图,利用同一节点的不同增强视图、不同节点的不同增强视图对应的构造正样本对、负样本对;将正样本对与负样本对输入至当前基于图神经网络的推荐模型进行训练,训练目标为最大化正样本对中不同增强视图间的一致性表征,以及负样本对中不同增强视图间的差异性表征;所述节点包含了用户-物品二分图中的用户节点与物品节点;训练结束后,通过一次前向传播获得所有节点的最终表征向量;在推断阶段,对于待推荐用户,利用最终表征向量的内积计算待推荐用户与各物品的匹配得分,基于匹配得分进行降序排列,并选取前K个未交互物品作为推荐结果,其中K为推荐列表的大小。
全文数据:
权利要求:
百度查询: 中国科学技术大学 一种基于自监督图表征学习的推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。