公开(公告)号：CN116452269A

公开(公告)日：2023-07-18

申请号：CN202310391200.3

申请日：2023-04-13

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  王雪妮 ,  范维成 ,  吴贞畅

IPC: G06Q30/0251 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多行为的动态图神经网络推荐方法，包括：S1：根据用户和物品交互的行为序列集合，为用户和物品构建出基于多行为的动态图；S2：根据图注意力机制计算用户每个特定行为的传播权重，利用图卷积网络得出更新后的用户表示和物品表示；S3:根据全局用户物品交互图，构建物品关联图，利用图注意力机制和GRU计算用户行为演化表示；S4:根据学习到的用户、物品表示和用户演化表示，预测用户下一刻基于某种行为产生交互的物品，以及用户物品交互概率。本发明结合了多行为与图神经网络，既能捕捉丰富的行为语义，又可以学习物品之间的关联特征与行为演化之间的关系，从而实现更准确的推荐效果。

公开(公告)号：CN114841778B

公开(公告)日：2024-06-04

申请号：CN202210561717.8

申请日：2022-05-23

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  汪菁瑶 ,  范维成 ,  吴贞畅 ,  王雪妮 ,  刘旭旭 ,  刘涵伟

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/243 ,  G06F18/27

Abstract: 本发明公开了一种基于动态图神经网络的商品推荐方法，其步骤包括：1、获取一个用户的历史行为序列，并按照等时间间隔分割为T个时间步的子序列，构建每个子序列的用户行为交互图；2、通过图注意力网络分别聚合每个时间步上用户行为交互图上节点的信息；3、构建生成对抗网络中的生成器G；4、构建生成对抗网络中的判别器D；5、获得每个物品节点被用户交互的可能性，并对物品进行降序排序，并选取前N个物品推荐给相应用户。本发明能捕获用户行为交互图的随时间的演化过程，从而能增强推荐性能。

公开(公告)号：CN117993996A

公开(公告)日：2024-05-07

申请号：CN202410104858.6

申请日：2024-01-25

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  秦辉 ,  胡全兴 ,  吴贞畅 ,  马治立 ,  李景霞 ,  涂立静

IPC: G06Q30/0601 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于多行为超图神经网络的序列推荐方法，综合考虑超图在学习行为依赖以及多行为下的用户表示聚合，其步骤包括：1、训练数据集的准备；2、利用超图学习全局行为依赖；3、获取不同行为下的相关性得分；4、消除流行度偏差影响，获取用户真实兴趣。6、利用融合后的全局特征进行推荐；本发明能通过行为首选项进行多行为解耦合，聚合不同行为下的用户特点，并结合超图学习到的个性化行为依赖，从而能够以较小的计算成本大大增加推荐的准确性。

公开(公告)号：CN114841778A

公开(公告)日：2022-08-02

申请号：CN202210561717.8

申请日：2022-05-23

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  汪菁瑶 ,  范维成 ,  吴贞畅 ,  王雪妮 ,  刘旭旭 ,  刘涵伟

IPC: G06Q30/06 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于动态图神经网络的商品推荐方法，其步骤包括：1、获取一个用户的历史行为序列，并按照等时间间隔分割为T个时间步的子序列，构建每个子序列的用户行为交互图；2、通过图注意力网络分别聚合每个时间步上用户行为交互图上节点的信息；3、构建生成对抗网络中的生成器G；4、构建生成对抗网络中的判别器D；5、获得每个物品节点被用户交互的可能性，并对物品进行降序排序，并选取前N个物品推荐给相应用户。本发明能捕获用户行为交互图的随时间的演化过程，从而能增强推荐性能。