申请/专利权人:安徽大学
申请日:2024-03-18
公开(公告)日:2024-06-11
公开(公告)号:CN118171165A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06N3/0455
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明的一种基于多方面对比学习的交互式推荐方法、设备及存储介质,包括以下步骤,首先,通过识别与目标物品具有相同方面值的邻近物品,引入了物品的增强表示;接下来,使用Transformer作为编码器来建模用户的顺序行为,解释了用户兴趣表示模块;然后,引入兴趣级正样本对和对比损失,用于模拟局部和全局用户兴趣表示之间的相关性;最后,通过对模型的训练,包括局部和全局更新,构建推荐模型,用于对用户的兴趣推荐。本发明将对比学习引入基于深度强化学习DRL的交互式推荐系统,以解决数据稀疏性问题并通过协同更新提高系统的样本效率。与传统的基于DRL的推荐方法相比,本发明的方法创建了更准确的用户兴趣表示,从而提升了推荐系统的性能。
主权项:1.一种基于多方面对比学习的交互式推荐方法,其特征在于,包括以下步骤,首先,通过识别与目标物品具有相同方面值的邻近物品,引入了物品的增强表示;接下来,使用Transformer作为编码器来建模用户的顺序行为,解释了用户兴趣表示模块;然后,引入兴趣级正样本对和对比损失,用于模拟局部和全局用户兴趣表示之间的相关性;最后,通过对模型的训练,包括局部和全局更新,构建推荐模型,用于对用户的兴趣推荐。
全文数据:
权利要求:
百度查询: 安徽大学 基于多方面对比学习的交互式推荐方法、设备及存储介质
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。