-
公开(公告)号：CN114036406A
公开(公告)日：2022-02-11
申请号：CN202111301586.1
申请日：2021-11-04
Applicant: 南京大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图对比学习和社交网络增强的推荐方法及系统，包括以下步骤：给定用户的历史行为和社交数据，首先从中抽取用户的交互记录和朋友关系，并分别构建为交互二部图和社交网络，两图均以矩阵形式存储；接下来获取每个节点的一阶邻居、高阶邻居，根据每个节点的一阶邻居、高阶邻居使用图对比学习方法训练得到所有节点的特征表示；根据用户历史交互记录使用图神经网络推荐模型进一步训练得到所有节点最终的特征表示；接下来对于每一个用户，计算其与每个物品的向量相似度，选取相似度较高的物品推荐给该用户。本发明能够有效获取用户的偏好兴趣，在数据稀疏的情况下能有效提升推荐系统的性能，并获得更为稳定的推荐效果。
Search Results
1
records
(took 0.024 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
