申请/专利权人：浙江大学

申请日：2024-01-09

公开（公告）日：2024-04-16

公开（公告）号：CN117540105B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/901;G06N3/042;G06Q30/0601

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本申请涉及一种增强图推荐模型鲁棒性的方法、装置及一种推荐方法，其中，该增强图推荐模型鲁棒性的方法包括：获取待优化的初始图推荐模型，扩充所述初始图推荐模型中每个节点的邻居节点；其中，所述节点包括用户节点和物品节点；调整所述初始图推荐模型中每条边的权重，根据调整后的所述边的权重确定所述初始图推荐模型的邻接矩阵；根据所述初始图推荐模型的邻接矩阵确定所述初始图推荐模型的目标损失，对所述初始图推荐模型进行训练优化所述目标损失，得到目标图推荐模型。通过本申请提高了目标图推荐模型的鲁棒性，解决了现有的图推荐模型在分布偏移场景下的推荐效果不佳的问题。

主权项：1.一种增强图推荐模型鲁棒性的方法，其特征在于，包括：获取待优化的初始图推荐模型，扩充所述初始图推荐模型中每个节点的邻居节点；其中，所述节点包括用户节点和物品节点；调整所述初始图推荐模型中每条边的权重，根据调整后的所述边的权重确定所述初始图推荐模型的邻接矩阵；根据所述初始图推荐模型的邻接矩阵确定所述初始图推荐模型的目标损失，对所述初始图推荐模型进行训练优化所述目标损失，得到目标图推荐模型；对于任意节点，所述节点扩充后的邻居节点集合的表达式为： 其中，为所述节点扩充后的邻居节点集合，为节点编号，为所述节点扩充前的邻居节点集合，为所述节点新增的邻居节点集合；所述新增的邻居节点集合包括与所述节点相似度最高的多个节点；所述新增的邻居节点集合的表达式为： 其中，函数的表达式为： 其中，为节点编号，θ为所述初始图推荐模型的模型参数，U为用户节点集合，I为物品节点集合，为用户节点集合U和物品节点集合I中的任意节点，为范数，为所述节点的原始表征向量，为所述节点的原始表征向量，为所述节点的度，为所述节点的度，表示节点和的规范化表征向量之间的范数，为所述节点在规范化表征向量的斐波那契范数意义下相似度最高的节点构成的集合。

全文数据：

权利要求：

百度查询： 浙江大学 一种增强图推荐模型鲁棒性的方法、装置及一种推荐方法

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。

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