申请/专利权人：山西大学

申请日：2024-01-26

公开（公告）日：2024-04-26

公开（公告）号：CN117932155A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9536;G06N5/022;G06N3/042;G06N3/0464;G06N3/045;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及深度学习推荐技术领域，尤其涉及一种基于图表示学习的多准则推荐方法及系统。方法包括以下步骤：构建交互图的二部图集合；进行图采样策略生成采样子图，得到用于训练的新二部图集合；对新二部图集合中每个二部图中的节点进行图嵌入初始化；通过聚合函数在每个准则的采样子图中聚合每个节点的局部嵌入与全局嵌入，生成每个节点在各个辅助准则下的每一层的嵌入表示；根据多头注意力机制得到各个节点在目标准则下每一层的嵌入表示，进而得到目标准则下各个用户与产品的最终的嵌入表示；根据优化目标来更新模型中所有待学习的参数；计算用户与产品的交互概率，为用户生成推荐产品的顺序。本发明提高了训练效率和精度。

主权项：1.一种基于图表示学习的多准则推荐方法，其特征在于，包括以下步骤：步骤S1：获取K种准则下的交互评分数据集合并根据每个准则下用户与产品的交互评分信息来构建交互图的二部图集合将总评分矩阵定义为目标准则，其余评分矩阵定义为辅助准则；步骤S2：在每个准则对应的二部图上进行图采样策略生成其对应的采样子图，根据各个准则对应的采样子图得到用于训练的新二部图集合步骤S3：对新二部图集合中每个二部图中的节点进行图嵌入初始化，得到第0层中用户节点集合与产品节点集合的局部嵌入矩阵和以及全局嵌入矩阵和步骤S4：通过聚合函数在每个准则的采样子图中聚合每个节点的局部嵌入与全局嵌入，生成每个节点在K-1个辅助准则下的每一层的嵌入表示，得到每个节点的嵌入表示集合分别表示由聚合函数得到的节点v在第1～K-1个辅助准则下第l层的嵌入表示；步骤S5：根据多头注意力机制得到各个节点在目标准则K下每一层的嵌入表示然后根据目标准则K下节点的每层嵌入表示，得到目标准则K下各个用户与产品的最终的嵌入表示；步骤S6：根据优化目标来更新模型中所有待学习的参数；所述优化目标包括BPR损失与总对比损失；步骤S7：根据优化后的模型得到的用户与产品的最终的嵌入表示eu与ei，计算用户与产品的交互概率，为用户生成推荐产品的顺序。

全文数据：

权利要求：

百度查询： 山西大学 基于图表示学习的多准则推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD