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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD