公开(公告)号：CN112800326B

公开(公告)日：2022-03-15

申请号：CN202110060998.4

申请日：2021-01-18

Applicant: 吉林大学

Inventor： 董立岩 ,  王越群 ,  刘元宁 ,  朱晓冬 ,  李永丽

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种改进的多任务学习与知识图谱结合的Ripp‑MKR推荐方法，推荐方法包括的步骤有：步骤一、输入用户点击历史、知识图谱以及项目的初始化向量；步骤二、针对用户点击历史、知识图谱进行递归，获取用户的历史兴趣属性与权重；步骤三、加权所有尾部的特征向量得到一级响应；步骤四、所有的响应加权求和获得用户向量矩阵；步骤五、进行项目向量矩阵与知识图谱头部向量交叉训练；步骤六、迭代更新用户向量、项目向量、知识图谱头部尾部向量；步骤七、损失函数学习。有益效果：自动发现用户的层次潜在兴趣，推荐模块和KGE模块通过专门设计的交叉和压缩单元进行连接。采用多任务学习框架进行交替学习。

公开(公告)号：CN114238765B

公开(公告)日：2024-07-26

申请号：CN202111561154.4

申请日：2021-12-16

Applicant: 吉林大学

Inventor： 董立岩 ,  朱广通 ,  刘元宁 ,  朱晓冬 ,  李永丽

IPC: G06F16/9535 ,  G06F16/901 ,  G06F21/60 ,  G06N3/0455 ,  G06N3/082 ,  G06N5/022 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于区块链的位置注意力推荐方法，其方法为：第一步、区块链平台上部署推荐系统；第二步、上传用户数据；第三步、图的构建；第四步、注意力网络的建立；第五步、位置信息的确定；第六步、自注意力层的建立；第七步、预测层的建立。有益效果：能够充分地训练得到会话中相邻项之间的转换关系，在获取数据项目关系的同时，也可获取到其顺序意义。降低其训练过程的损失。使用了区块链技术，行为数据通过行为记录合约上传到区块链中，在保证了用户数据安全性的前提下根据用户偏好进行了精准推荐。

公开(公告)号：CN114238765A

公开(公告)日：2022-03-25

申请号：CN202111561154.4

申请日：2021-12-16

Applicant: 吉林大学

Inventor： 董立岩 ,  朱广通 ,  刘元宁 ,  朱晓冬 ,  李永丽

IPC: G06F16/9535 ,  G06F16/901 ,  G06F21/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于区块链的位置注意力推荐方法，其方法为：第一步、区块链平台上部署推荐系统；第二步、上传用户数据；第三步、图的构建；第四步、注意力网络的建立；第五步、位置信息的确定；第六步、自注意力层的建立；第七步、预测层的建立。有益效果：能够充分地训练得到会话中相邻项之间的转换关系，在获取数据项目关系的同时，也可获取到其顺序意义。降低其训练过程的损失。使用了区块链技术，行为数据通过行为记录合约上传到区块链中，在保证了用户数据安全性的前提下根据用户偏好进行了精准推荐。

公开(公告)号：CN112800326A

公开(公告)日：2021-05-14

申请号：CN202110060998.4

申请日：2021-01-18

Applicant: 吉林大学

Inventor： 董立岩 ,  王越群 ,  刘元宁 ,  朱晓冬 ,  李永丽

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种改进的多任务学习与知识图谱结合的Ripp‑MKR推荐方法，推荐方法包括的步骤有：步骤一、输入用户点击历史、知识图谱以及项目的初始化向量；步骤二、针对用户点击历史、知识图谱进行递归，获取用户的历史兴趣属性与权重；步骤三、加权所有尾部的特征向量得到一级响应；步骤四、所有的响应加权求和获得用户向量矩阵；步骤五、进行项目向量矩阵与知识图谱头部向量交叉训练；步骤六、迭代更新用户向量、项目向量、知识图谱头部尾部向量；步骤七、损失函数学习。有益效果：自动发现用户的层次潜在兴趣，推荐模块和KGE模块通过专门设计的交叉和压缩单元进行连接。采用多任务学习框架进行交替学习。