公开(公告)号：CN117271909A

公开(公告)日：2023-12-22

申请号：CN202311212138.3

申请日：2023-09-19

Applicant: 桂林电子科技大学

Inventor： 宾辰忠 ,  伍方健 ,  李伟梁

IPC: G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06F40/30 ,  G06F16/35 ,  G06F16/36 ,  G06N5/022 ,  G06F16/435 ,  G06Q30/0601

Abstract: 本发明公开一种基于对比学习和知识共享的多任务推荐方法，采用多任务的形式，结合了对比学习和知识图嵌入学习来提高基于对比学习和知识共享的多任务推荐方法的推荐性能。该推荐方法以图卷积推荐任务为主推荐任务对用户和项目的交互进行建模，通过用户和结构用户(通过用户的图卷积聚合得到)的对比学习构建用户结构对比学习任务强化用户邻居关系并提高了用户嵌入的表征能力，通过深度语义匹配模型构建知识图嵌入任务来学习项目的丰富特征，并基于项目的嵌入共享精心设计了特征转移单元实现项目属性知识的融合和传递，有效提高了推荐模型的语义刻画能力和总体性能。

公开(公告)号：CN116861078A

公开(公告)日：2023-10-10

申请号：CN202310753874.3

申请日：2023-06-26

Applicant: 桂林电子科技大学

Inventor： 宾辰忠 ,  李伟梁 ,  伍方健

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开一种融合用户多行为的图神经网络推荐方法，采用了监督学习和自监督学习来提高融合用户多行为的图神经网络的推荐性能；在监督学习中利用图卷积的方法学习用户的多个行为历史交互信息，捕获用户和项目之间的高阶连通性以及结构连接性，获得用户和项目高质量的嵌入表示；在自监督学习中，通过将目标行为和其他辅助行为进行对比学习和针对单个行为的对比学习任务来帮助表征学习到更多的信息，提高融合用户多行为的图神经网络的泛化能力和推荐准确性；此外通过控制图卷积过程中的归一化系数，能够保证推荐系统在不损失推荐准确性的同时提高推荐的新颖性，缓解流行偏差。