申请/专利权人：河海大学

申请日：2024-05-13

公开（公告）日：2024-06-07

公开（公告）号：CN118152444A

主分类号：G06F16/2457

分类号：G06F16/2457;G06Q50/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.25#实质审查的生效;2024.06.07#公开

摘要：本发明公开了一种融合社交关系和时间语义的个性化推荐方法，该方法首先构建用户社交关系网络以及用户物品交互网络；再规定时间单位粒度对全局时间信息进行编码表征；接着建立用户动态偏好分析模型；然后建立用户社交网络影响力模型，把用户邻居节点包含时间信息以及属性特征的用户特征向量聚合到目标节点；再基于选择注意力机制的目标物品向量表征，根据重要性权重参数对候选集合中的物品属性表征向量融合；最后建立联合模型，对用户、物品的表示向量进行融合，预测目标用户对候选物品的评分，进而实现个性化推荐。本发明能融合社交关系信息以及时间语义信息，更加精准地对推荐场景中实体的动态性进行建模，提高个性化推荐的准确性和鲁棒性。

主权项：1.一种融合社交关系和时间语义的个性化推荐方法，其特征在于，该方法包括如下步骤：步骤1、对用户的社交关系以及该用户所购买的物品信息进行数据预处理，构建用户与用户之间的社交关系网络以及用户与物品之间的交互关系网络，初始化用户偏好表征及物品属性表征；步骤2、全局时间信息编码：设定时间单位粒度，对所有用户交互行为涉及的时间跨度按设定的时间单位划分成多个时间窗口，按照时间先后顺序对划分后的时间窗口进行排列，把时间顺序信息映射为相应的位置信息，使用正弦位置编码方法计算时间窗口的位置编码表征；步骤3、建立用户动态偏好分析模型：使用拼接操作融合步骤2中得到的时间窗口位置编码表征，得到融合时间信息的物品语义表征；继而，对用户交互历史中物品依据时间进行排序，构建用户交互行为序列，使用长短期记忆网络融合物品语义表征，对用户交互行为序列进行表征计算，获得用户交互行为信息感知的用户物品对表征；最后，基于注意力机制得到用户动态偏好表征以及物品属性动态表征；步骤4、建立用户社交网络影响力模型：根据用户最近一次交互行为的时间，使用步骤2获得的时间窗口位置编码表征，进而与步骤1中初始化的用户偏好表征进行拼接，对时间语义信息进行融合，获得用户表征；然后在目标用户所有社交邻居集合中进行采样，获得规模为的邻居节点集合；利用图注意力网络的卷积过程模拟用户在社交网络中的影响力传播过程，把用户邻居节点包含时间信息以及属性特征的用户属性表征聚合到目标节点，获得融合社交影响的用户偏好表征；步骤5、基于选择注意力机制的目标物品向量表征：利用待推荐目标用户最近交互的个物品作为虚拟的上下文环境；然后计算目标物品表征与用户交互历史中各物品的余弦相似度并根据相似度进行排序，选择在用户历史交互集合中的与目标物品最相似的K个物品集合，使用前馈神经网络计算这K个物品对当前物品评分的贡献度进行量化，得到其重要性衡量权重；根据重要性衡量权重对候选集合中的物品属性动态表征进行融合，得到基于用户历史序列及时间上下文的物品表征，即目标物品嵌入表征；步骤6、联合推荐模型：通过步骤3得到用户动态偏好表征以及步骤4得到的融合社交影响的用户偏好表征，使用全连接层对用户信息进行拼接融合，得到基于用户历史行为序列和用户环境影响力的表征，即目标用户嵌入表征；然后针对待推荐的目标物品，计算目标用户嵌入表征与目标物品嵌入表征的内积，得到用户对待推荐物品偏好程度，对偏好程度进行排序，选择排名高的物品优先推荐给用户；步骤7、模型训练：根据目标函数，使用随机梯度下降方法对模型进行训练，获得模型参数。

全文数据：

权利要求：

百度查询： 河海大学 一种融合社交关系和时间语义的个性化推荐方法

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