申请/专利权人:东北大学
申请日:2023-03-17
公开(公告)日:2023-06-23
公开(公告)号:CN116304327A
主分类号:G06F16/9535
分类号:G06F16/9535;G06F18/24;G06F18/214;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.07.11#实质审查的生效;2023.06.23#公开
摘要:本发明提供一种考虑由物品口碑因素导致一致性偏差的推荐方法,将一致性偏差划分为与人气相关的一致性偏差和与口碑相关的一致性偏差,并通过负样本划分策略将训练数据集合按照交互行为潜藏的驱动因素划分为不同原因的四组训练子集合,然后通过四组训练数据子集合的不同组合来训练三个因果嵌入从而得到细化的因果特征,以实现三种因果嵌入的独立学习,从而解耦了用户兴趣、物品人气、物品口碑三种因果嵌入,最后通过将用户和物品之间的推荐得分细化为用户兴趣得分、物品口碑得分和物品人气得分,为用户产生推荐结果,使得模型很容易根据相应的得分来解释用户点击物品的具体因素,提升了一定可解释性的同时,也对推荐的准确率有所提高。
主权项:1.一种考虑由物品口碑因素导致一致性偏差的推荐方法,其特征在于,包括:步骤1:计算MovieLens-10M数据集中物品的人气值和口碑值;步骤2:考虑由物品口碑导致的一致性偏差,构建面向一致性偏差问题的因果嵌入推荐模型;步骤3:使用训练样本对构建的因果嵌入推荐模型进行训练;步骤4:利用测试集作为训练后的模型输入,输出预测结果。
全文数据:
权利要求:
百度查询: 东北大学 一种考虑由物品口碑因素导致一致性偏差的推荐方法
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。