公开(公告)号：CN114637923B

公开(公告)日：2022-09-02

申请号：CN202210541192.1

申请日：2022-05-19

Applicant: 之江实验室

Inventor： 李超 ,  张钊 ,  李其明

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于层次注意力图神经网络的数据信息推荐方法和装置，该方法包括：步骤一，构建用户项目交互图和知识图谱；步骤二，合并用户项目交互图与知识图谱构成用户项目知识图；步骤三，将用户项目知识图输入到图神经网络中，采用层次注意力机制计算用户项目知识图的每个节点邻居的重要程度；步骤四，根据每个节点邻居的重要程度，对邻居进行聚合来更新节点表示；步骤五，设定输入图神经网络的用户项目知识图经过的网络层数，如果未到达设定的网络层，则执行步骤三，反之则根据节点的表示，计算图神经网络的损失函数值，经过迭代训练，得到训练好的图神经网络，为用户生成推荐的项目。本发明缓解了数据的稀疏性，提升了推荐的准确性。

公开(公告)号：CN114637923A

公开(公告)日：2022-06-17

申请号：CN202210541192.1

申请日：2022-05-19

Applicant: 之江实验室

Inventor： 李超 ,  张钊 ,  李其明

IPC: G06F16/9535 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于层次注意力图神经网络的数据信息推荐方法和装置，该方法包括：步骤一，构建用户项目交互图和知识图谱；步骤二，合并用户项目交互图与知识图谱构成用户项目知识图；步骤三，将用户项目知识图输入到图神经网络中，采用层次注意力机制计算用户项目知识图的每个节点邻居的重要程度；步骤四，根据每个节点邻居的重要程度，对邻居进行聚合来更新节点表示；步骤五，设定输入图神经网络的用户项目知识图经过的网络层数，如果未到达设定的网络层，则执行步骤三，反之则根据节点的表示，计算图神经网络的损失函数值，经过迭代训练，得到训练好的图神经网络，为用户生成推荐的项目。本发明缓解了数据的稀疏性，提升了推荐的准确性。

公开(公告)号：CN116340595A

公开(公告)日：2023-06-27

申请号：CN202310199815.6

申请日：2023-02-27

Applicant: 之江实验室

Inventor： 李超 ,  张钊 ,  李其明

IPC: G06F16/9035 ,  G06F16/9038 ,  G06F16/901 ,  G06N5/022

Abstract: 一种基于知识图谱的公平性推荐算法，包括：步骤1、构建知识图谱；步骤2、合并知识图谱与用户项目交互图构成用户项目知识图，用户项目知识图即为用户的输入；步骤3、从用户项目知识图中提取用户项目路径；步骤4、将路径信息输入循环注意力神经网络建模用户的表示；步骤5、通过敏感属性过滤网络过滤掉用户表示中的敏感属性；步骤6、得到最终的表示计算损失函数；步骤7、判断是否达到设定的训练次数；步骤8、结束训练，使用训练好的模型为用户生成公平推荐的项目。本发明能够实现对于用户项目的公平性推荐，缓解了用户数据的问题，同时能够很好的去除用户敏感属性对于推荐的影响，在推荐方法领域具有重要的作用。