申请/专利权人：华东交通大学

申请日：2024-05-20

公开（公告）日：2024-06-18

公开（公告）号：CN118210916A

主分类号：G06F16/335

分类号：G06F16/335;G06F16/338;G06F16/35;G06N3/09

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于超图注意力和增强对比学习的科技文献推荐方法，从科技文献系统中采集用户与科技文献之间的交互行为，得到非结构化的数据集；构建用户科技文献交互二部图；引入超图注意力机制，将每一个节点与聚类后的质心进行注意力分数的计算，通过注意力分数更新用户和科技文献的特征表示，建立科技文献推荐主模型；通过聚类方法构建对比对，利用对比学习的方法更新用户科技文献交互二部图的节点特征表示，建立对比学习辅助模型；使用总体损失函数对科技文献推荐主模型与对比学习辅助模型进行联合训练，得到训练好的科技文献推荐模型并用于向用户推荐科技文献。本发明可解决数据稀疏问题、满足个性化需求和提高科技文献推荐准确率。

主权项：1.一种基于超图注意力和增强对比学习的科技文献推荐方法，其特征在于，包括以下步骤：步骤S1、从科技文献系统中采集用户与科技文献之间的交互行为，得到非结构化的数据集；步骤S2、构建用户科技文献交互二部图：从非结构化的数据集中抽取用户和科技文献之间的交互关系，将每一个用户和每一篇科技文献视为图的节点，建立一个统一的用户科技文献交互二部图；以用户科技文献交互二部图为基础，把每一个用户所交互过的科技文献分别构造成一个超边，即同一条超边包括某一用户所交互过的全部科技文献；同时把与每一篇科技文献交互过的用户分别构造成一个超边，即同一条超边包括某一科技文献被交互过的全部用户；步骤S3、引入超图注意力机制，将每一个节点与聚类后的质心进行注意力分数的计算，通过注意力分数更新用户和科技文献的特征表示，建立科技文献推荐主模型；步骤S4、通过聚类方法构建对比对，利用对比学习的方法更新用户科技文献交互二部图的节点特征表示，建立对比学习辅助模型；步骤S5、使用总体损失函数对科技文献推荐主模型与对比学习辅助模型进行联合训练，得到节点的最佳特征表示，并保存训练好的科技文献推荐主模型、对比学习辅助模型及参数，得到训练好的科技文献推荐模型；步骤S6、使用训练好的科技文献推荐模型计算每位用户对其它所有未交互过科技文献的交互概率，根据概率对科技文献进行排序，选取前k篇推荐给用户。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于超图注意力和增强对比学习的科技文献推荐方法

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