-
公开(公告)号：CN111814048B
公开(公告)日：2023-01-17
申请号：CN202010636805.0
申请日：2020-07-03
Applicant: 北京邮电大学
IPC: G06F16/9535
Abstract: 本发明实施例提供了一种信息推荐方法及装置，所述方法包括：获取待推荐二部图的拓扑信息、待推荐二部图中每个用户节点对应的用户信息及待推荐二部图中每个信息节点对应的内容信息；将拓扑信息、用户信息及内容信息输入信息推荐模型，确定每个用户节点对应的用户向量和每个信息节点对应的信息向量；基于用户向量表示的兴趣偏好、信息向量表示的内容特点及信息向量表示的语义信息，确定每个用户节点所表示的用户浏览候选信息节点所表示的信息的概率，作为预测概率；基于预测概率，向二部图中的每个用户节点所表示的用户推荐与该用户节点不存在历史浏览关系的信息节点所表示的信息。应用本发明实施例，可以更加准确地向用户推荐用户感兴趣的信息。
-
公开(公告)号：CN113672735A
公开(公告)日：2021-11-19
申请号：CN202111048789.4
申请日：2021-09-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于主题感知异质图神经网络的链接预测方法，旨在进一步挖掘基于结构语义的细粒度主题感知语义，用于HGs中的多方面主题感知表示学习。具体地，本发明首先应用多方面转换矩阵将不同类型节点的向量表示映射到多个主题感知子空间中；然后应用了交替的两步聚合机制，包括元路径内分解和元路径间合并，来学习每个目标节点的多方面主题感知表示；此外引入主题先验指导模块，它利用主题建模从非结构化文本内容中获取全局统计知识，有助于指导上下文聚合，作为一个正则化器，该模块使得所推断的主题感知子空间更加正交化，并提高所学多方面主题感知表示的可解释性。
-
公开(公告)号：CN113672735B
公开(公告)日：2024-01-19
申请号：CN202111048789.4
申请日：2021-09-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于主题感知异质图神经网络的链接预测方法，旨在进一步挖掘基于结构语义的细粒度主题感知语义，用于HGs中的多方面主题感知表示学习。具体地，本发明首先应用多方面转换矩阵将不同类型节点的向量表示映射到多个主题感知子空间中；然后应用了交替的两步聚合机制，包括元路径内分解和元路径间合并，来学习每个目标节点的多方面主题感知表示；此外引入主题先验指导模块，它利用主题建模从非结构化文本内容中获取全局统计知识，有助于指导上下文聚合，作为一个正则化器，该模块使得所推断的主题感知子空间更加正交化，并提高所学多方面主题感知表示的可解释性。
-
公开(公告)号：CN111814048A
公开(公告)日：2020-10-23
申请号：CN202010636805.0
申请日：2020-07-03
Applicant: 北京邮电大学
IPC: G06F16/9535
Abstract: 本发明实施例提供了一种信息推荐方法及装置，所述方法包括：获取待推荐二部图的拓扑信息、待推荐二部图中每个用户节点对应的用户信息及待推荐二部图中每个信息节点对应的内容信息；将拓扑信息、用户信息及内容信息输入信息推荐模型，确定每个用户节点对应的用户向量和每个信息节点对应的信息向量；基于用户向量表示的兴趣偏好、信息向量表示的内容特点及信息向量表示的语义信息，确定每个用户节点所表示的用户浏览候选信息节点所表示的信息的概率，作为预测概率；基于预测概率，向二部图中的每个用户节点所表示的用户推荐与该用户节点不存在历史浏览关系的信息节点所表示的信息。应用本发明实施例，可以更加准确地向用户推荐用户感兴趣的信息。
-
-
-
Search Results
4
records
(took 0.018 seconds)
