公开(公告)号：CN111310054A

公开(公告)日：2020-06-19

申请号：CN202010150774.8

申请日：2020-03-06

Applicant: 中国科学院信息工程研究所

Inventor： 虎嵩林 ,  李明明 ,  朱福庆 ,  周薇 ,  臧良俊 ,  韩冀中

IPC: G06F16/9535

Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户-物品的关系；采用基于triple-loss的欧氏度量学习范式进行建模；设计基于user-centric和item-centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户-物品交互关系，能够显著提高物品推荐的性能。

公开(公告)号：CN111310054B

公开(公告)日：2022-05-31

申请号：CN202010150774.8

申请日：2020-03-06

Applicant: 中国科学院信息工程研究所

Inventor： 虎嵩林 ,  李明明 ,  朱福庆 ,  周薇 ,  臧良俊 ,  韩冀中

IPC: G06F16/9535

Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户‑物品的关系；采用基于triple‑loss的欧氏度量学习范式进行建模；设计基于user‑centric和item‑centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户‑物品交互关系，能够显著提高物品推荐的性能。