-
公开(公告)号:CN109255033B
公开(公告)日:2021-10-08
申请号:CN201811308701.6
申请日:2018-11-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于位置服务领域的知识图谱的推荐方法,抽取位置实体,得实体集作为知识图谱的种子集;将种子集与知识图谱中实体对应,构成实体对应表;将知识图谱中知识图谱三元组,通过Word2Vec模型将词汇嵌入n维空间中,生成对应的向量,得到位置或领域实体向量集E和关系向量集R,用TransE算法对实体向量集E和关系向量集R进行翻译,得到能够快速计算实体间的语义相似性的三元组向量集;根据位置或领域实体向量集E,分别计算搜索位置或领域间的语义相似性simA,B(A,B),生成旅游位置的语义相似性矩阵;用语义相似性矩阵进行Top‑k推荐列表,将推荐列表按机器学习聚类算法进行聚类,将类聚结果推荐给用户。该方法推荐精度高,解决冷启动和稀疏性问题。
-
公开(公告)号:CN111949884A
公开(公告)日:2020-11-17
申请号:CN202010872372.9
申请日:2020-08-26
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种基于多模态特征交互深度融合推荐方法,该方法在xdeepfm模型的基础上,提出了一种融合多种模型的多模态特征交互深度融合模型。该模型将多个模型进行结合,并且将多模态特征进行融合,不仅能同时以显式和隐式的方式自动学习高阶的特征交互,使特征交互发生在向量级,还兼具记忆与泛化的学习能力,并且可以进行多任务训练。该方法推荐精度高,并提升了推荐的多模态特征融合的效果。
-
公开(公告)号:CN110334221B
公开(公告)日:2022-12-09
申请号:CN201910649318.5
申请日:2019-07-18
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明公开一种基于知识图谱路径的可解释性推荐方法,该方法通过获取用户的交互历史,将交互历史作为知识图谱的种子集,从种子集中获取用户‑项的数据集,在得到种子集的前提下,对种子集进行对应知识图谱的三元组查询,并将这些三元组抽取出来,将三元组信息中的组合实体和关系的语义来生成路径表示,根据路径进行推理来推断用户偏好;确定一个三元组路径后,在限制路径长度为4的前提下,查询该路径头实体到尾实体其它的路径,用多个三元组表示;找到多条路径后,对每条路径进行池操作来区分不同路径对预测推荐的贡献;选择贡献分最大的路径对用户进行解释性推荐。该方法推荐精度高,并解决了推荐的不透明性问题。
-
公开(公告)号:CN111949884B
公开(公告)日:2022-06-21
申请号:CN202010872372.9
申请日:2020-08-26
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种基于多模态特征交互深度融合推荐方法,该方法在xdeepfm模型的基础上,提出了一种融合多种模型的多模态特征交互深度融合模型。该模型将多个模型进行结合,并且将多模态特征进行融合,不仅能同时以显式和隐式的方式自动学习高阶的特征交互,使特征交互发生在向量级,还兼具记忆与泛化的学习能力,并且可以进行多任务训练。该方法推荐精度高,并提升了推荐的多模态特征融合的效果。
-
公开(公告)号:CN110334221A
公开(公告)日:2019-10-15
申请号:CN201910649318.5
申请日:2019-07-18
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明公开一种基于知识图谱路径的可解释性推荐方法,该方法通过获取用户的交互历史,将交互历史作为知识图谱的种子集,从种子集中获取用户-项的数据集,在得到种子集的前提下,对种子集进行对应知识图谱的三元组查询,并将这些三元组抽取出来,将三元组信息中的组合实体和关系的语义来生成路径表示,根据路径进行推理来推断用户偏好;确定一个三元组路径后,在限制路径长度为4的前提下,查询该路径头实体到尾实体其它的路径,用多个三元组表示;找到多条路径后,对每条路径进行池操作来区分不同路径对预测推荐的贡献;选择贡献分最大的路径对用户进行解释性推荐。该方法推荐精度高,并解决了推荐的不透明性问题。
-
公开(公告)号:CN109255033A
公开(公告)日:2019-01-22
申请号:CN201811308701.6
申请日:2018-11-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于位置服务领域的知识图谱的推荐方法,抽取位置实体,得实体集作为知识图谱的种子集;将种子集与知识图谱中实体对应,构成实体对应表;将知识图谱中知识图谱三元组,通过Word2Vec模型将词汇嵌入n维空间中,生成对应的向量,得到位置或领域实体向量集E和关系向量集R,用TransE算法对实体向量集E和关系向量集R进行翻译,得到能够快速计算实体间的语义相似性的三元组向量集;根据位置或领域实体向量集E,分别计算搜索位置或领域间的语义相似性simA,B(A,B),生成旅游位置的语义相似性矩阵;用语义相似性矩阵进行Top-k推荐列表,将推荐列表按机器学习聚类算法进行聚类,将类聚结果推荐给用户。该方法推荐精度高,解决冷启动和稀疏性问题。
-
-
-
-
-