公开(公告)号：CN117421661B

公开(公告)日：2024-02-13

申请号：CN202311744970.8

申请日：2023-12-19

Applicant: 南开大学

Inventor： 张海威 ,  赵英琦 ,  袁晓洁

IPC: G06F18/241 ,  G06N3/042 ,  G06Q50/00 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明涉及群组推荐技术领域，提供一种基于反事实增强的图卷积网络的群组推荐方法，包括：构建群组用户超图及群组项目二部图；对群组用户超图挖掘群组和用户间的高阶信息，获得用户级群组表示；对群组用户超图进行扰动并卷积，获得反事实群组表示；对群组项目二部图及用户级群组表示挖掘群组和项目间的高阶信息，获得群组级的群组表示和项目表示，加权融合用户级群组表示及群组级群组表示获得最终群组表示；基于上述表示逐层训练获得的反事实损失、群组损失及用户损失对分层图卷积网络进行训练，通过获得的预测模型获得推荐项目列表。本发明能够显式地对群组、用户和项目的特征进行准确建模，还增强了群组推荐的可解释性及模型的适应性。

公开(公告)号：CN117421661A

公开(公告)日：2024-01-19

申请号：CN202311744970.8

申请日：2023-12-19

Applicant: 南开大学

Inventor： 张海威 ,  赵英琦 ,  袁晓洁

IPC: G06F18/241 ,  G06N3/042 ,  G06Q50/00 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明涉及群组推荐技术领域，提供一种基于反事实增强的图卷积网络的群组推荐方法，包括：构建群组用户超图及群组项目二部图；对群组用户超图挖掘群组和用户间的高阶信息，获得用户级群组表示；对群组用户超图进行扰动并卷积，获得反事实群组表示；对群组项目二部图及用户级群组表示挖掘群组和项目间的高阶信息，获得群组级的群组表示和项目表示，加权融合用户级群组表示及群组级群组表示获得最终群组表示；基于上述表示逐层训练获得的反事实损失、群组损失及用户损失对分层图卷积网络进行训练，通过获得的预测模型获得推荐项目列表。本发明能够显式地对群组、用户和项目的特征进行准确建模，还增强了群组推荐的可解释性及模型的适应性。