申请/专利权人：烟台大学;哈尔滨工业大学(威海)

申请日：2024-05-16

公开（公告）日：2024-06-14

公开（公告）号：CN118193853A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9536;G06N3/042

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.02#实质审查的生效;2024.06.14#公开

摘要：本发明涉及商业领域数据预测推荐技术领域，具体为一种随机群组的兴趣点推荐方法、系统、设备和存储介质；为解决现有技术中随机群组兴趣点预测结果较低，推荐准确度较低，影响用户商业体验感的问题，本申请首先将基于随机群组的相似用户得到的待推荐兴趣点集特点，与用户性格影响度结合，获取随机群组拟合特征表示；接着，通过将兴趣交互结构图进行多层图神经网络处理，得到每个待推荐兴趣点特征表示；随后，将待推荐兴趣点特征表示进行概率映射处理，获取优选兴趣点；最后，根据优选兴趣点的预测评分获取随机用户的期望值后，进行多协商推荐处理，得到最优推荐兴趣点；应用在商业数据预测领域中，能提高推荐准确度更高，提升用户商业体验感。

主权项：1.一种随机群组的兴趣点推荐方法，其特征在于，包括如下操作：S1、获取随机群组中每个随机用户的相似用户，所有相似用户，形成了相似用户集；相似用户的用户特征向量与随机用户特征向量的乘积大于相似阈值；获取所述相似用户集中，每个相似用户交互过的兴趣点，作为待推荐兴趣点；所有待推荐兴趣点，形成了待推荐兴趣点集；S2、基于所述待推荐兴趣点集，获取所述随机群组中每个随机用户的相对影响权重；基于每个随机用户的相对影响权重，和各自的用户性格影响度，得到每个随机用户的绝对影响权重；每个随机用户的绝对影响权重，分别与各自的随机用户特征向量相乘后，进行聚合处理，得到随机群组拟合特征表示；S3、基于所述待推荐兴趣点，构建每个推荐兴趣点的兴趣交互结构图；交互结构图是由，作为节点的待推荐兴趣点和或相似用户，以及待推荐兴趣点与相似用户之间的交互边组成；每个推荐兴趣点的兴趣交互结构图，分别经多层图神经网络处理，得到每个待推荐兴趣点特征表示；所有待推荐兴趣点特征表示，形成了待推荐兴趣点特征表示集；所述待推荐兴趣点特征表示集中，每个待推荐兴趣点特征表示分别与所述随机群组拟合特征表示，经概率映射处理，得到预测评分；将预测评分大于评分阈值对应的待推荐兴趣点，作为优选兴趣点；所有优选兴趣点，形成了优选兴趣点集；S4、基于所述优选兴趣点集中，每个优选兴趣点的预测评分，得到每个随机用户对每个优选兴趣点的期望值；基于每个随机用户对每个优选兴趣点的期望值，进行多协商推荐处理，得到最优推荐兴趣点，用于推荐给所述随机群组。

全文数据：

权利要求：

百度查询： 烟台大学;哈尔滨工业大学(威海) 一种随机群组的兴趣点推荐方法、系统、设备和存储介质

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。

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