申请/专利权人：扬州大学

申请日：2023-11-20

公开（公告）日：2024-04-30

公开（公告）号：CN117951392A

主分类号：G06F16/9536

分类号：G06F16/9536;G06Q30/0601;G06F40/30;G06F16/35;G06F16/2458;G06N3/042;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于类别和差分表征的群组推荐方法和系统，本发明首先通过对数据集的处理生成群组、用户、物品之间多个静态图；然后通过超图、类别以及用户差异三个视图分别学习群组的特征表示，超图视图将每个群组视为一个超边，连接群组中的成员和与其交互的用户；类别视图先通过聚类算法将物品进行分类，再形成群组‑类别交互图；用户差异视图通过提取每个用户在不同群组中的差异信息来聚合群组的特征表示；最后适应性地去聚合三个视图形成的群组表示，并用训练完的模型预测群组较偏好的物品。本发明提出的方法从三个角度去挖掘群组、用户、物品之间的关系，更好地生成最终的群组特征表示，提升将物品推荐给对其感兴趣的群组的准确性。

主权项：1.一种基于类别和差分表征的群组推荐方法，其特征在于，包括以下步骤：步骤1，基于公共数据集生成群组-群组关系图、群组-用户交互图以及在用户级、物品级和群组级别上的超图；步骤2，分别从超图视图、类别视图以及用户差异视图对群组特征表示进行学习；超图视图中，利用图卷积神经网络对群组-群组关系图进行多层嵌入表示学习，得到学习后的群组表示并将其作为超图卷积神经网络的输入，然后分别在用户级和物品级的超图上进行特征聚合，最后将两者与物品级的汇聚信息和所输入对应群组的表示的元素乘积相串接，得到超图视图的群组节点表示；类别视图中，首先利用聚类算法对物品的特征表示进行聚类，再将得到的物品-类别关系结合群组-物品关系得到群组-类别交互图，分别在物品-类别交互图和群组-类别交互图上利用轻量级图卷积神经网络得到类别视图的群组节点表示；用户差异视图中，提取同一用户在不同群组中的差异信息进行聚合，得到对应的群组节点表示；步骤3，将三个视图产生的群组表示分别经过线性变换得到适应性聚合的权重，经过适应性聚合得到最终的群组特征表示；步骤4，基于损失函数对网络模型进行训练，并用训练完的模型推荐给群组感兴趣的物品。

全文数据：

权利要求：

百度查询： 扬州大学 一种基于类别和差分表征的群组推荐方法和系统

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