一种基于大模型图片内容特征增强的个性化景点推荐方法

    公开(公告)号:CN119441640A

    公开(公告)日:2025-02-14

    申请号:CN202411579904.4

    申请日:2024-11-07

    Abstract: 本发明公开了一种基于大模型图片内容特征增强的个性化景点推荐方法,包括:1、数据集获取与处理:获取带有地理标记图片的旅游数据集,并对图片的地理信息进行逆编码,得到用户‑景点交互矩阵;2、图片内容特征提取:利用大模型进行数据增强,将图片转为可解释性的文本语义信息;3、建立预测偏好模型:采用基于Wide&Deep变体的推荐模型,捕捉特征之间的直接关系;4、从预测偏好模型中得到用户对所有景点的偏好值,将偏好值进行降序排序,并选取前top个偏好值所对应的景点推荐给用户。本发明整合了地理信息、时间信息和大模型提取的图片内容属性信息,并设计基于Wide&Deep变体的推荐模型,从而有效提升了景点推荐的准确性和个性化水平。

    一种基于对比学习的可解释个性化推荐方法

    公开(公告)号:CN118312671A

    公开(公告)日:2024-07-09

    申请号:CN202410419999.7

    申请日:2024-04-09

    Abstract: 一种基于对比学习的可解释个性化推荐方法,设有三个核心模块来学习用户短期行为的顺序表示;利用门融合操作来整合在线用户的长期和短期行为偏好;对于关键字生成任务,使用了Transformer,它在文本生成中也得到了广泛的应用,利用多头自注意来计算输出序列od中关键字的注意权重,设计一个复制网络,从短期和长期关键词序列中复制关键词,在时间步t上,λt决定关键字是从关键字分布pvocab中生成的,还是从短期和长期关键字序列中复制的;这产生一个关键字概率分布:推荐产品还生成关键字,从而增强了推荐结果的可解释性;该方法同时实现个性化产品推荐和解释关键词生成任务,在这两个任务中整合了长期和短期用户偏好。

Patent Agency Ranking