一种融合用户兴趣状态的多粒度会话推荐方法

    公开(公告)号:CN114169968B

    公开(公告)日:2024-09-24

    申请号:CN202111498604.X

    申请日:2021-12-09

    摘要: 本发明公开一种融合用户兴趣状态的多粒度会话推荐方法。本发明获取带时序信息的会话数据,构成会话数据集;构建有向图、物品类别关系无向图;搭建基于用户兴趣的会话推荐模型,并利用训练集进行训练。本发明通过分别建立有向图和无向图并融合了物品以及物品种类特征,以此来捕捉用户的动态兴趣和静态兴趣,充分考虑了会话的交互特征和用户的兴趣状态,并为不同的兴趣特征添加不同的权重,能够更加准确的捕捉用户兴趣。通过注意力机制对用户兴趣嵌入向量进行建模,极大提高了推荐模型的准确率。本发明克服传统方法没有考虑会话序列的时间属性导致的忽略用户点击的物品之间本身所带有的关系,在对含有时间属性的会话推荐中本发明更优秀。

    一种融合拓展决策和注意力网络的行为动态识别方法

    公开(公告)号:CN114783063A

    公开(公告)日:2022-07-22

    申请号:CN202210494320.1

    申请日:2022-05-07

    摘要: 本发明公开一种融合拓展决策和注意力网络的行为动态识别方法。远端服务器接收到本地设备传输的数据,利用MultiAtt深度融合注意网络进行人体行为识别;本地设备将上述预处理后的数据进行动态任务调度;利用MultiAtt深度融合注意网络反馈的贡献分值向量为XGBoost拓展决策网络的输入通道数据进行阈值筛选,并对本地设备数据使用XGBoost拓展决策树算法进行行为识别。本方法在服务器端执行MultiAtt深度融合注意网络,与本地设备端的XGBoost拓展决策网络通过人体识别任务动态调度算法进行结合,以实现在不同场景下自适应动态感知人体行为。

    一种融合用户兴趣状态的多粒度会话推荐方法

    公开(公告)号:CN114169968A

    公开(公告)日:2022-03-11

    申请号:CN202111498604.X

    申请日:2021-12-09

    IPC分类号: G06Q30/06 G06N3/04 G06N3/08

    摘要: 本发明公开一种融合用户兴趣状态的多粒度会话推荐方法。本发明获取带时序信息的会话数据,构成会话数据集;构建有向图、物品类别关系无向图;搭建基于用户兴趣的会话推荐模型,并利用训练集进行训练。本发明通过分别建立有向图和无向图并融合了物品以及物品种类特征,以此来捕捉用户的动态兴趣和静态兴趣,充分考虑了会话的交互特征和用户的兴趣状态,并为不同的兴趣特征添加不同的权重,能够更加准确的捕捉用户兴趣。通过注意力机制对用户兴趣嵌入向量进行建模,极大提高了推荐模型的准确率。本发明克服传统方法没有考虑会话序列的时间属性导致的忽略用户点击的物品之间本身所带有的关系,在对含有时间属性的会话推荐中本发明更优秀。

    一种融合拓展决策和注意力网络的行为动态识别方法

    公开(公告)号:CN114783063B

    公开(公告)日:2024-02-20

    申请号:CN202210494320.1

    申请日:2022-05-07

    摘要: 本发明公开一种融合拓展决策和注意力网络的行为动态识别方法。远端服务器接收到本地设备传输的数据,利用MultiAtt深度融合注意网络进行人体行为识别;本地设备将上述预处理后的数据进行动态任务调度;利用MultiAtt深度融合注意网络反馈的贡献分值向量为XGBoost拓展决策网络的输入通道数据进行阈值筛选,并对本地设备数据使用XGBoost拓展决策树算法进行行为识别。本方法在服务器端执行MultiAtt深度融合注意网络,与本地设备端的XGBoost拓展决策网络通过人体识别任务动态调度算法进行结合,以实现在不同场景下自适应动态感知人体行为。

    一种基于知识图谱解耦的推荐系统及其推荐方法

    公开(公告)号:CN114328763A

    公开(公告)日:2022-04-12

    申请号:CN202111670817.6

    申请日:2021-12-31

    IPC分类号: G06F16/28

    摘要: 本发明公开一种基于知识图谱解耦的推荐系统及其推荐方法。获取用户行为数据;将用户行为数据中用户、物品、用户固有属性特征和物品固有属性特征作为实体,并提炼上述实体关系,最终得到实体‑关系‑实体的三元组知识图谱;搭建基于循环解耦的推荐模型RDK‑GCN;根据RDK‑GCN输出的实体特征获得待推荐实体特征和被推荐实体特征,然后计算上述两个特征的相似度,最后向被推荐实体推荐相似度较高的前n个待推荐实体。通过对知识图谱中实体的邻接实体进行循环特征解耦将实体特征中代表不同语义的隐因子分离出来,筛选出目标任务影响较大的隐因子并降低无关隐因子带来的影响,实现不同任务的相对独立性,有效提高推荐系统的鲁棒性。

    一种基于邻域兴趣感知和注意力机制的推荐方法

    公开(公告)号:CN118568337A

    公开(公告)日:2024-08-30

    申请号:CN202410520456.4

    申请日:2024-04-28

    摘要: 本发明公开一种基于邻域兴趣感知和注意力机制的推荐方法。本发明首先进行用户交互序列有向图表征;通过融合注意力机制的图神经网络获取用户兴趣特征;通过邻域兴趣感知模块获取邻域兴趣趋势;通过邻域注意力模块融合多个兴趣趋势,获取邻域兴趣特征向量;自适应融合用户兴趣特征和邻域兴趣特征,得到用户的最终兴趣特征向量;根据用户的最终兴趣特征向量计算概率得分,然后根据交互概率得分进行降序排序,取前N个概率得分相对应的物品进行推荐。本发明通过邻域兴趣感知模块来提取邻居用户的兴趣特征,以此作为该用户未来可能产生的新的兴趣趋势,邻域兴趣感知模块通过挖掘相似用户的兴趣偏好,提高了推荐结果的多样性,实现多兴趣推荐。