-
公开(公告)号：CN119025762A
公开(公告)日：2024-11-26
申请号：CN202411517228.8
申请日：2024-10-29
Applicant: 安徽农业大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/22 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明属于智能推荐领域，具体公开了一种基于图神经网络的长短期兴趣感知协同推荐方法，包括：输入用户历史会话数据，构建用户会话全图；初始化项目嵌入，并确定最终的项目嵌入；确定每个会话对应的最终嵌入；确定会话全图的最终嵌入，即具有短期兴趣的用户交互嵌入；基于用户画像对用户嵌入，构建用户相似度矩阵，确定具有长期兴趣的用户相似度嵌入；基于用户交互嵌入，构建内容相似度矩阵，确定具有长期兴趣的内容相似度嵌入；确定用户的最终兴趣嵌入；内积计算用户对项目的偏好程度并生成推荐列表。本发明通过综合考虑用户长短期兴趣，更加准确地捕捉用户的个性化需求，提升推荐结果的相关性和准确性。
-
公开(公告)号：CN118536581A
公开(公告)日：2024-08-23
申请号：CN202410667615.3
申请日：2024-05-28
Applicant: 安徽农业大学
IPC: G06N5/01 , G06N3/042 , G06N3/08 , G06F16/9535 , G06N3/0442
Abstract: 本发明公开了一种融合异质路径嵌入与时间衰减的动态图推荐方法，包括以下步骤：步骤1、构建动态多路异构图；步骤2、当动态多路异构图中有新的边产生，通过路径重要性度量函数来评估动态多路异构图中每条路径的重要性并更新动态多路异构图；步骤3、构建动态关系增强表示更新器，得到每个用户节点、物品节点各自的特征表示；步骤4、构建动态时序信息扩散器，对每个用户节点、物品节点的特征表示进行更新；步骤5、根据步骤4更新后的用户节点、物品节点的特征表示，预测用户与物品下一刻产生交互的评分。本发明能够实时捕捉用户与推荐物品之间的交互行为。
-
公开(公告)号：CN119025762B
公开(公告)日：2025-01-28
申请号：CN202411517228.8
申请日：2024-10-29
Applicant: 安徽农业大学
IPC: G06F16/9536 , G06F16/9535 , G06F18/22 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明属于智能推荐领域，具体公开了一种基于图神经网络的长短期兴趣感知协同推荐方法，包括：输入用户历史会话数据，构建用户会话全图；初始化项目嵌入，并确定最终的项目嵌入；确定每个会话对应的最终嵌入；确定会话全图的最终嵌入，即具有短期兴趣的用户交互嵌入；基于用户画像对用户嵌入，构建用户相似度矩阵，确定具有长期兴趣的用户相似度嵌入；基于用户交互嵌入，构建内容相似度矩阵，确定具有长期兴趣的内容相似度嵌入；确定用户的最终兴趣嵌入；内积计算用户对项目的偏好程度并生成推荐列表。本发明通过综合考虑用户长短期兴趣，更加准确地捕捉用户的个性化需求，提升推荐结果的相关性和准确性。
-
公开(公告)号：CN118657560A
公开(公告)日：2024-09-17
申请号：CN202410685432.4
申请日：2024-05-30
Applicant: 安徽农业大学
IPC: G06Q30/0251 , G06F40/30 , G06N3/0464 , G06N3/08 , G06V30/148
Abstract: 本发明公开了一种基于多模态语义融合的图Transformer物品推荐方法，包括：1.提取物品的文本描述和图像内容；2.构建用户‑物品交互矩阵和用户‑物品模态交互矩阵；3.初始化用户、物品的特征向量，初始化物品的文本特征和视觉特征；4.通过多层图卷积网络分别得到用户、物品在协同过滤下的表示；5.通过模态自适应图Transformer模型分别得到用户在文本、视觉模态下的表示；6.建模用户与物品的最终表示；7.构建损失函数，得到最优模型；8.根据推荐模型向用户推荐最感兴趣的若干物品。本发明通过协同过滤技术增强多模态语义融合，可以有效利用多模态信息建模用户偏好，从而能提高推荐准确性。
-
-
-
Search Results
4
records
(took 0.019 seconds)
