-
公开(公告)号：CN112650929B
公开(公告)日：2022-05-03
申请号：CN202011614918.7
申请日：2020-12-31
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融入评论信息的图神经网络推荐方法，将用户评论文本作为节点信息的来源，使用BERT模型进行文本数据的特征提取工作，以得到每个节点的内容表述向量。再根据用户与物品的交互行为建立用户—物品二部图，通过在该二部图上搭建图神经网络聚合节点的一阶和三阶邻居信息，来学习用户和物品的结构表述，再将结构表述与内容表述相融合作为用户和物品的最终嵌入表示。最后，通过多层感知机MLP预测用户对各物品的交互概率。针对得到的预测结果，采用Top‑N排序，生成推荐物品列表。本发明能更精确捕捉用户偏好，找到用户的兴趣点，并对其进行更为准确有效的推荐。
-
公开(公告)号：CN112347362B
公开(公告)日：2022-05-03
申请号：CN202011283015.5
申请日：2020-11-16
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图自编码器的个性化推荐方法，利用用户与物品的交互行为，构建邻接矩阵，并对其进行归一化处理，使用图卷积网络进行卷积操作，获取节点的隐层表示；利用用户评论文本和物品描述文本作为节点信息的来源，得到每个节点的初始特征向量，再使用图注意力网络聚合邻居节点特征，更新节点信息；利用用户和物品的属性特征，构建全连接网络计算得到隐层特征；将隐层特征进行拼接得到新的节点信息，构建全连接网络，进行编码，使用双线性解码器重构用户对物品的评分作为预测评分，针对得到的预测评分采用Top‑N推荐生成推荐物品列表。本发明能更精确的帮助分析用户对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。
-
公开(公告)号：CN113496259A
公开(公告)日：2021-10-12
申请号：CN202110725548.2
申请日：2021-06-29
Applicant: 安徽农业大学
Abstract: 本发明公开了一种融入标签信息的图神经网络推荐方法，包括以下步骤：步骤1、构建用户‑物品交互图以及物品‑物品关联图；步骤2、学习用户‑物品交互图中节点的特征表示；步骤3、学习所述物品‑物品关联图中节点的特征表示；步骤4、利用用户‑物品交互图中节点的特征表示、物品‑物品关联图中节点的特征表示构建多层感知机预测用户对物品的交互偏好值；步骤5、基交互偏好值向用户推荐物品。相较于使用单一交互数据的传统推荐方法，本发明能进行更合理更精确的推荐，并在一定程度上缓解物品冷启动问题。
-
Patent Agency Ranking
公开(公告)号：CN112347362A
公开(公告)日：2021-02-09
申请号：CN202011283015.5
申请日：2020-11-16
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图自编码器的个性化推荐方法，利用用户与物品的交互行为，构建邻接矩阵，并对其进行归一化处理，使用图卷积网络进行卷积操作，获取节点的隐层表示；利用用户评论文本和物品描述文本作为节点信息的来源，得到每个节点的初始特征向量，再使用图注意力网络聚合邻居节点特征，更新节点信息；利用用户和物品的属性特征，构建全连接网络计算得到隐层特征；将隐层特征进行拼接得到新的节点信息，构建全连接网络，进行编码，使用双线性解码器重构用户对物品的评分作为预测评分，针对得到的预测评分采用Top‑N推荐生成推荐物品列表。本发明能更精确的帮助分析用户对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。
-
公开(公告)号：CN113496259B
公开(公告)日：2024-09-10
申请号：CN202110725548.2
申请日：2021-06-29
Applicant: 安徽农业大学
IPC: G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融入标签信息的图神经网络推荐方法，包括以下步骤：步骤1、构建用户‑物品交互图以及物品‑物品关联图；步骤2、学习用户‑物品交互图中节点的特征表示；步骤3、学习所述物品‑物品关联图中节点的特征表示；步骤4、利用用户‑物品交互图中节点的特征表示、物品‑物品关联图中节点的特征表示构建多层感知机预测用户对物品的交互偏好值；步骤5、基交互偏好值向用户推荐物品。相较于使用单一交互数据的传统推荐方法，本发明能进行更合理更精确的推荐，并在一定程度上缓解物品冷启动问题。
-
公开(公告)号：CN113506131A
公开(公告)日：2021-10-15
申请号：CN202110727165.9
申请日：2021-06-29
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于生成式对抗网络的个性化推荐方法，利用用户对物品的评论情况，获取用户对物品的具体购买情况，再结合物品所属产地和随机变量，使用编码器捕获用户对物品的偏好，使用解码器预测用户将会购买的物品。利用预测的用户将会购买的物品、用户对物品的购买情况和物品所属产地，使用全连接层构建的判别器判断预测的用户将会购买的物品的真假情况。最终计算预测用户将会购买的物品与真实物品的相关系数，选取相关系数最高的物品进行推荐。
-
公开(公告)号：CN112650929A
公开(公告)日：2021-04-13
申请号：CN202011614918.7
申请日：2020-12-31
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融入评论信息的图神经网络推荐方法，将用户评论文本作为节点信息的来源，使用BERT模型进行文本数据的特征提取工作，以得到每个节点的内容表述向量。再根据用户与物品的交互行为建立用户—物品二部图，通过在该二部图上搭建图神经网络聚合节点的一阶和三阶邻居信息，来学习用户和物品的结构表述，再将结构表述与内容表述相融合作为用户和物品的最终嵌入表示。最后，通过多层感知机MLP预测用户对各物品的交互概率。针对得到的预测结果，采用Top‑N排序，生成推荐物品列表。本发明能更精确捕捉用户偏好，找到用户的兴趣点，并对其进行更为准确有效的推荐。
-
公开(公告)号：CN113506131B
公开(公告)日：2023-07-25
申请号：CN202110727165.9
申请日：2021-06-29
Applicant: 安徽农业大学
IPC: G06Q30/0601 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于生成式对抗网络的个性化推荐方法，利用用户对物品的评论情况，获取用户对物品的具体购买情况，再结合物品所属产地和随机变量，使用编码器捕获用户对物品的偏好，使用解码器预测用户将会购买的物品。利用预测的用户将会购买的物品、用户对物品的购买情况和物品所属产地，使用全连接层构建的判别器判断预测的用户将会购买的物品的真假情况。最终计算预测用户将会购买的物品与真实物品的相关系数，选取相关系数最高的物品进行推荐。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
