公开(公告)号：CN117974257A

公开(公告)日：2024-05-03

申请号：CN202311831234.6

申请日：2023-12-27

Applicant: 上海交通大学

Inventor： 黄雨瑒 ,  王东 ,  丁玥 ,  张谦

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F18/23213 ,  G06F18/22 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明提供一种基于去除图神经网络流行度偏差的物品推荐方法、系统及终端，通过将计算的所有用户以及所有物品的流行度得分输入图神经网络模型中进行训练，计算图神经网络模型的每一层的流行度表征损失并在梯度下降过程中优化流行度表征损失进行每一层的去偏操作，在训练完成后聚类微调获得针对每一用户的最终表征，最后计算每一用户对所有物品的预测得分生成对应每一用户的物品推荐清单。本发明设计了一种新的图节点之间的无偏传播机制，对图结构传播过程中的节点表征偏差进行建模，在理论上对这种传播机制在减少流行度偏差中的作用进行了证明。并且采用芬切尔共轭法与近端交替预测‑校正算法将去偏过程转化为双级优化问题，直接对图传播过程进行流行度去偏，充分考虑图的拓扑结构对流行度偏差的放大效应，并深入研究了图结构传播过程中流行度因素对最终推荐结果的影响。