申请/专利权人:桂林电子科技大学
申请日:2024-01-04
公开(公告)日:2024-04-02
公开(公告)号:CN117807281A
主分类号:G06F16/9032
分类号:G06F16/9032;G06F16/901;G06F16/906;G06N3/042;G06N3/0464;G06N3/0895;G06N3/045;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及会话推荐技术领域,涉及一种基于多行为异构图和超图增强获取用户短期、动态偏好的推荐方法,包括以下步骤:一、获取用户与系统会话行为信息,组成会话数据;二、将会话数据构造为会话序列:序列内的数据为用户与系统的每一条交互信息,包括浏览、收藏、点赞等;三、将会话序列推送给模型进行训练:将会话序列构建为多行为异构网络图和超图;提出注意力机制捕获不同节点间的权重,形成不同的相邻项目对目标项目的编码增强;四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模,捕获项目间的高阶关系;五、最终通过自监督学习,得到结合多行为和节点信息的损失函数目标;本发明能实现捕获用户短期、动态的偏好,从而进行精准推荐。
主权项:1.一种基于双构图的会话推荐增强方法,其特征在于:包括以下步骤:步骤一、获取用户与系统会话行为信息,筛选出有效信息并组成会话数据;步骤二、将会话数据构造为会话序列:序列内的数据为用户与系统的每一条交互信息,包括浏览、收藏、点赞行为等,并根据行为类型进行分类;步骤三、将会话序列推送给模型进行训练:将会话序列构建为多行为异构网络图和超图;提出注意力机制捕获不同节点间的权重,形成不同的相邻项目对目标项目的编码增强,主要是学习会话中相邻项目间的转换关系;步骤四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模,并使用超图卷积神经网络来对超图进行建模,以提取节点特征和超边特征,从而捕获项目间的高阶关系;步骤五、通过对异构图和超图双构图的学习,分别生成对候选项目预测的概率,最终通过自监督学习,得到结合多行为和节点信息的损失函数目标。
全文数据:
权利要求:
百度查询: 桂林电子科技大学 一种基于双构图的会话推荐增强方法
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。