一种基于多行为会话图融合的推荐方法

    公开(公告)号:CN113868537B

    公开(公告)日:2022-07-05

    申请号:CN202111212853.8

    申请日:2021-10-19

    摘要: 一种基于多行为会话图融合的推荐方法,使用目标用户和相似用户的联合多行为序列数据构建多行为带权无向会话图。在此基础上,根据不同权重聚合邻居信息得到项目多行为嵌入,串联项目多行为嵌入并结合注意力机制获取用户兴趣表征。最终,使用项目嵌入和用户兴趣表征进行内积得到归一化分数决定是否推荐项目。相较其他会话型推荐方法,一是从建模用户多行为序列数据,能够得到包含更多行为意图的项目嵌入;二是将序列构建为带权无向图,解除了聚合邻居信息时的单向束缚,模型能学习到项目间的双向关系;三是使用相似用户补充目标用户数据,模型能够学习到没有出现在目标用户历史数据中的“新颖”的项目,进而提高推荐结果的多样性和准确性。

    一种基于多行为会话图融合的推荐方法

    公开(公告)号:CN113868537A

    公开(公告)日:2021-12-31

    申请号:CN202111212853.8

    申请日:2021-10-19

    摘要: 一种基于多行为会话图融合的推荐方法,使用目标用户和相似用户的联合多行为序列数据构建多行为带权无向会话图。在此基础上,根据不同权重聚合邻居信息得到项目多行为嵌入,串联项目多行为嵌入并结合注意力机制获取用户兴趣表征。最终,使用项目嵌入和用户兴趣表征进行内积得到归一化分数决定是否推荐项目。相较其他会话型推荐方法,一是从建模用户多行为序列数据,能够得到包含更多行为意图的项目嵌入;二是将序列构建为带权无向图,解除了聚合邻居信息时的单向束缚,模型能学习到项目间的双向关系;三是使用相似用户补充目标用户数据,模型能够学习到没有出现在目标用户历史数据中的“新颖”的项目,进而提高推荐结果的多样性和准确性。

    基于成对样本匹配的迁移学习方法

    公开(公告)号:CN110555060A

    公开(公告)日:2019-12-10

    申请号:CN201910849336.8

    申请日:2019-09-09

    IPC分类号: G06F16/2458 G06K9/62 G06N3/04

    摘要: 本发明属于图像分类和迁移学习技术领域,公开了一种基于成对样本匹配的迁移学习方法,实现了对基于不同域的样本内在关系的挖掘。具体包含以下步骤:(1)数据预处理,(2)基于迁移学习的双链模型构建,(3)实例归一化和批量归一化,(4)计算对比损失和最大均值距离损失。本发明的优点是通过结合实例归一化和批归一化同时进行学习,充分挖掘不同图像的风格和语义关联特性,实现在源域辅助下对少量目标域样本的高效识别。