首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于GNN深度互学习的多模态推荐方法、系统及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:厦门惠趣租科技有限公司

摘要:本发明涉及机器学习技术领域,具体涉及一种基于GNN深度互学习的多模态推荐方法、系统及介质,方法包括:获取多模态的用户‑项目二部图,将多模态用户‑项目二部图分解为多个单模态的用户‑项目二部图;基于图注意力网络计算单模态的用户嵌入和项目嵌入;构建MR‑GNN模型,对于全部模态中的每个模态,基于该模态的用户嵌入和项目嵌入确定最终损失函数,根据最终损失函数依次更新每个模态对应的GNN模型、用户嵌入参数和项目嵌入参数,直到MR‑GNN模型收敛,得到训练好的MR‑GNN模型;基于训练好的MR‑GNN模型对目标用户推荐目标物品;本发明能够提高多模态推荐系统的性能和效果。

主权项:1.一种基于GNN深度互学习的多模态推荐方法,其特征在于,所述方法包括以下步骤:S100,获取多模态的用户-项目二部图,将所述多模态用户-项目二部图分解为多个单模态的用户-项目二部图;S200,基于图注意力网络计算单模态的用户嵌入和项目嵌入;其中,所述用户嵌入包括用户从单模态的用户-项目二部图中获得的每一层用户嵌入,所述项目嵌入包括从包含该模态的单模用户-物品二部图中获得的每一层项目嵌入;S300,构建MR-GNN模型,所述MR-GNN模型包括每个模态对应的GNN模型;S400,对于全部模态中的每个模态,基于该模态的用户嵌入和项目嵌入确定最终损失函数,根据所述最终损失函数依次更新每个模态对应的GNN模型、用户嵌入参数和项目嵌入参数,直到MR-GNN模型收敛,得到训练好的MR-GNN模型;S500,基于所述训练好的MR-GNN模型对目标用户推荐目标物品。

全文数据:

权利要求:

百度查询: 厦门惠趣租科技有限公司 基于GNN深度互学习的多模态推荐方法、系统及介质

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。