-
Patent Agency Ranking
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。
-
公开(公告)号：CN113343094A
公开(公告)日：2021-09-03
申请号：CN202110683807.X
申请日：2021-06-21
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开了一种信息增强的缓解推荐用户冷启动问题的元学习方法，根据用户物品的评论关系构建用户—物品二部图；将用户邻域信息和物品描述文本作为节点信息的来源，对构建的二部图进行随机采样，构建元学习的任务，每个任务代表为一个新用户做冷启动推荐来模拟为新用户实现推荐的场景；再使用bert方法，针对每个元学习任务进行文本数据的特征提取工作，以得到偏好信息；将偏好信息引导元全局参数生成每个用户的嵌入生成函数的局部参数，通过将元学习任务输入到推荐模型得到用户对物品的预测评分，对于元学习参数进行更新，训练好的参数直接运用到未训练过的新用户。本发明缓解了新用户交互少无法评估偏好推荐不准确的问题。
-
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。
-
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。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
