公开(公告)号：CN118467823A

公开(公告)日：2024-08-09

申请号：CN202410577831.9

申请日：2024-05-10

Applicant: 哈尔滨理工大学

Inventor： 李凤颖 ,  车楠

IPC: G06F16/9535 ,  G06F16/36 ,  G06F16/28 ,  G06F40/295

Abstract: 一种基于全局‑局部嵌入的知识图谱推荐方法，属于图神经网络、知识图谱推荐任务领域。本发明将文本描述与实体的结构化特征进行有效结合，有效缓解知识图谱中最常见的数据稀疏问题。而针对知识图谱嵌入中异构性的存在使得嵌入过程中的信息捕获与差异化处理变得困难的问题，本发明提出了一种结合了全局和局部嵌入的方法，充分学习了知识图谱中三元组的拓扑细节以及层级信息，挖掘了知识图谱中异构拓扑结构中有价值的特性，更好地理解和捕捉了文本中的复杂语义和上下文信息。实验结果表明，本发明可以有效缓解数据稀疏的问题，知识图谱中异构拓扑信息的利用不够充分预计基于知识图谱的推荐任务精度不够理想的问题。

公开(公告)号：CN119538975A

公开(公告)日：2025-02-28

申请号：CN202411647962.6

申请日：2024-11-18

Applicant: 哈尔滨理工大学

Inventor： 李凤颖 ,  车楠

IPC: G06N3/042 ,  G06N3/088 ,  G06F16/9536 ,  G06F16/9535 ,  G06Q50/00 ,  G06Q30/0601

Abstract: 一种面向个性化推荐的多视图软对比学习方法，属于链路预测，图神经网络和对比学习任务领域。本发明利用用户‑项目交互视图、用户‑用户社交视图和项目‑项目交互视图，通过视图编码器构建节点嵌入。在视图内采用加权聚合的信息传播方案，在视图间进行交叉迭代操作，引入视图与视图间的高阶连通性，提高嵌入的全面性和准确性。引入迁移学习方法来学习用户的个性化偏好。最后，将软标签整合到对比损失函数中，使模型能够从强关联和弱关联中学习，并捕获潜在信息。实验结果表明，本发明可以提高推荐系统的预测性能和泛化能力，为推荐系统、智能搜索等应用提供更准确、全面的支持，实现更准确和个性化的推荐。