公开(公告)号：CN114372206A

公开(公告)日：2022-04-19

申请号：CN202111627159.2

申请日：2021-12-28

Applicant: 大连海事大学

Inventor： 张益嘉 ,  靳思晨

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于异质信息网络和自适应去噪的推荐方法及系统，属于推荐系统的技术领域。本发明中，采用异质信息网络作为模型的输入，可以更好地处理等复杂的输入，更好的建模真实世界，解决了同质信息网络无法模拟的现实情况，大幅提高了推荐的精度。加入了自适应去噪模块，可以有效的去除数据集中的噪声，更好地保留了异质信息网络数据集的有效数据。同时辅以深度图卷积神经网络，可以有效的提高推荐模型的精度，同时适应更复杂的现实世界。解决了当前推荐系统中大多只关注推荐精度问题，不仅可以从数据集的角度改变模型的推荐效果，同时由于加入了去噪模块，模型的时间复杂度也变得较低，可以有效的应用在实际的工业环境中。

公开(公告)号：CN114372206B

公开(公告)日：2024-09-13

申请号：CN202111627159.2

申请日：2021-12-28

Applicant: 大连海事大学

Inventor： 张益嘉 ,  靳思晨

IPC: G06F16/9536 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明公开了一种基于异质信息网络和自适应去噪的推荐方法及系统，属于推荐系统的技术领域。本发明中，采用异质信息网络作为模型的输入，可以更好地处理等复杂的输入，更好的建模真实世界，解决了同质信息网络无法模拟的现实情况，大幅提高了推荐的精度。加入了自适应去噪模块，可以有效的去除数据集中的噪声，更好地保留了异质信息网络数据集的有效数据。同时辅以深度图卷积神经网络，可以有效的提高推荐模型的精度，同时适应更复杂的现实世界。解决了当前推荐系统中大多只关注推荐精度问题，不仅可以从数据集的角度改变模型的推荐效果，同时由于加入了去噪模块，模型的时间复杂度也变得较低，可以有效的应用在实际的工业环境中。