公开(公告)号：CN115358809A

公开(公告)日：2022-11-18

申请号：CN202210847446.2

申请日：2022-07-19

Applicant: 华南理工大学

Inventor： 罗荣华 ,  陈梦如 ,  许勇

IPC: G06Q30/06 ,  G06F16/9536 ,  G06Q50/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于图对比学习的多意图推荐方法及装置，其中方法包括：获取数据集；根据数据集获取图结构数据；对原始二分图通过参数化的方式构建增强对比视图；将初始化的用户和商品特征分成K段特征块；每个隐因子对应解耦表征独立学习，基于原始图和增强图分别输出两种视图下的K个意图特征；每种潜在意图下的特征进行自适应的对比学习；将K段特征拼接形成用户和商品的特征向量，进行互信息最大化任务；将拼接后的特征向量再进行最后推荐预测监督任务，与两个无监督任务进行联合学习。本发明对对比视图的对比学习调整为自适应的对比学习，学习出更多元化的语义特征信息，增强模型的可解释性和鲁棒性，可广泛应用于机器学习技术领域。

公开(公告)号：CN115082142B

公开(公告)日：2024-04-30

申请号：CN202210504352.5

申请日：2022-05-10

Applicant: 华南理工大学

Inventor： 罗荣华 ,  陈梦如 ,  许勇

IPC: G06Q30/0601 ,  G06F16/901 ,  G06F16/9536 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。

公开(公告)号：CN115082142A

公开(公告)日：2022-09-20

申请号：CN202210504352.5

申请日：2022-05-10

Applicant: 华南理工大学

Inventor： 罗荣华 ,  陈梦如 ,  许勇

IPC: G06Q30/06 ,  G06F16/901 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于异构关系图神经网络的推荐方法、装置及介质，其中方法包括：收集带有用户社交关系、商品属性关系及用户商品交互关系的数据集；采用图结构的方式对三种关系的数据进行存储，获得图结构数据；构建推荐模型，将推荐模型中的三个图卷积网络，分别学习图结构数据的节点特征向量；节点嵌入向量学习；无监督学习；结合节点嵌入向量学习和无监督学习对推荐模型进行训练学习；将推荐模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。本发明利用个性化对比学习方法学习社交关系或者商品属性关系在对用户购买商品时所产生的影响，能够提高推荐准确性，可广泛应用于推荐系统领域。