-
公开(公告)号：CN111881363A
公开(公告)日：2020-11-03
申请号：CN202010578943.8
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9536 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于图交互网络的推荐方法应用于用户个性化推荐领域。互联网产业的快速发展以及网络数据量的持续增长，传统的推荐方法和深度学习方法难以满足复杂的应用环境，在准确率和空间复杂度方面存在着不足。因此本发明提出了一种基于图交互网络的推荐方法，采用该方案可以保证个性化推荐准确率的同时，降低模型空间复杂度，有着广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111881342A
公开(公告)日：2020-11-03
申请号：CN202010578945.7
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 一种基于图孪生网络的推荐方法应用于个性化推荐领域。现有方法(1)缺乏知识扩展性，比如难以有效融合用户社交关系信息；(2)多层特征信息传播范式下，学到的特征会出现过平滑问题。因此本发明提出了一种基于图孪生网络的推荐方法，通过用户、物品的交互信息建模用户关系图和物品关系图，通过本发明设计的图卷积层，以两个同构有向图的形式分别挖掘用户关系信息和物品关系信息。最后，通过图交互层聚合两个通道的用户特征和物品特征，充分提取用户偏好信息和物品属性信息。本发明有效保持U-I特征特性，显著提高个性化推荐准确率，具备良好的模型可扩展性，有着广阔的应用前景。
-
公开(公告)号：CN113407834B
公开(公告)日：2025-02-25
申请号：CN202110674480.X
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06N5/025 , G06F16/9536
Abstract: 本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。
-
公开(公告)号：CN111881342B
公开(公告)日：2024-12-10
申请号：CN202010578945.7
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/00
Abstract: 一种基于图孪生网络的推荐方法应用于个性化推荐领域。现有方法(1)缺乏知识扩展性，比如难以有效融合用户社交关系信息；(2)多层特征信息传播范式下，学到的特征会出现过平滑问题。因此本发明提出了一种基于图孪生网络的推荐方法，通过用户、物品的交互信息建模用户关系图和物品关系图，通过本发明设计的图卷积层，以两个同构有向图的形式分别挖掘用户关系信息和物品关系信息。最后，通过图交互层聚合两个通道的用户特征和物品特征，充分提取用户偏好信息和物品属性信息。本发明有效保持U‑I特征特性，显著提高个性化推荐准确率，具备良好的模型可扩展性，有着广阔的应用前景。
-
公开(公告)号：CN111881363B
公开(公告)日：2024-06-25
申请号：CN202010578943.8
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9536 , G06Q30/0601 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 一种基于图交互网络的推荐方法应用于用户个性化推荐领域。互联网产业的快速发展以及网络数据量的持续增长，传统的推荐方法和深度学习方法难以满足复杂的应用环境，在准确率和空间复杂度方面存在着不足。因此本发明提出了一种基于图交互网络的推荐方法，采用该方案可以保证个性化推荐准确率的同时，降低模型空间复杂度，有着广阔的应用前景。
-
公开(公告)号：CN113407834A
公开(公告)日：2021-09-17
申请号：CN202110674480.X
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06Q30/06 , G06K9/62
Abstract: 本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
