公开(公告)号：CN119272024A

公开(公告)日：2025-01-07

申请号：CN202411305929.5

申请日：2024-09-19

Applicant: 大连理工大学

Inventor： 原旭 ,  齐安格 ,  吴徽南 ,  王嘉强

IPC: G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/088

Abstract: 本发明公开一种跨模态特征对齐与融合方法，属于多模态推荐领域。首先，通过构建项目语义图捕捉同一模态下项目之间的语义关系，并在此基础上对整体特征和模态特定特征进行图卷积操作，增强其在该模态下的表达能力。捕获并利用特征之间的潜在信息，缓解模态间不完全匹配的问题。然后，利用对比学习方法在每个模态下对比增强的整体特征与模态特征，促进跨模态的信息传递与互补。通过联合分析不同模态的项目语义图，实现对模态间复杂关系的有效建模。本发明确保跨模态的语义一致性，从而减少模态融合过程中的冗余和噪音，并提高多模态推荐的准确率。

公开(公告)号：CN117689015A

公开(公告)日：2024-03-12

申请号：CN202311681708.3

申请日：2023-12-08

Applicant: 大连理工大学

Inventor： 马瑞新 ,  高步云 ,  吴徽南 ,  陈紫璇 ,  齐安格

IPC: G06N5/02 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于知识图谱补全技术领域，提供了一种基于路径增强和实体度量协作的单样本知识图谱补全方法。将推理模型引入补全过程中，在提高模型补全质量的同时，提升结果的可解释性。推理模型包括对比学习增强模块、路径推理模块、实体概念过滤模块、路径信息聚合模块和三元组匹配模块。推理模型使用对比学习丰富了预训练向量的语意。使用实体概念过滤模块和路径信息聚合模块加强了实体对的向量表示，从而提高了补全质量。路径推理模块不仅加强了模型的可解释性，也在一定程度上提高了补全精度。通过路径交互和实体度量协同的策略，该推理模型极大提升了单样本场景下的补全质量，同时增强了结果的可解释性。

公开(公告)号：CN117668254A

公开(公告)日：2024-03-08

申请号：CN202311701306.5

申请日：2023-12-12

Applicant: 大连理工大学

Inventor： 原旭 ,  吴徽南 ,  高步云 ,  卜西亚 ,  秦昌媛

IPC: G06F16/36 ,  G06F16/9535 ,  G06N3/0464 ,  G06N20/00 ,  G06N3/0895

Abstract: 本发明提供了一种基于对比学习与视图挖掘的知识图谱推荐方法，属于推荐系统技术领域。该方法首先从不同视角出发综合考虑和构建了四种不同的视图，包括由知识图谱和用户‑项目交互图联合构造的包含全局结构信息的协作知识图谱；基于用户‑项目交互图和知识图谱构建的两个项目‑项目图。除此之外，交并比被应用来构建两个用户‑用户图，并且一个top‑k匹配机制被设计以此来避免引入更多的噪声。然后在局部和全局水平上对四个视图进行对比学习，旨在以自监督的方式挖掘用户和项目之间、用户之间、项目之间的协作信息，以及全局的结构信息，从而缓解稀疏的监督信号问题。

公开(公告)号：CN117633353A

公开(公告)日：2024-03-01

申请号：CN202311652830.8

申请日：2023-12-05

Applicant: 大连理工大学

Inventor： 原旭 ,  陈紫璇 ,  周健 ,  卜西亚 ,  吴徽南 ,  秦昌媛

IPC: G06F16/9535 ,  G06F16/36 ,  G06N5/022 ,  G06N3/042 ,  G06N3/096

Abstract: 一种基于属性迁移的细粒度知识图谱推荐方法，包括嵌入传播层、属性迁移层和预测层。嵌入传播层负责从细粒度的层面建模用户的表示，并通过关系感知聚合机制将远程连接中的关系依赖融合进最终的用户和项目的表示；属性迁移层通过设定的阈值识别所有的冷启动项目，在项目属性迁移空间上基于图卷积网络架构对冷启动项目的邻居进行二次传播，并使用归一化的交并比来区分每个邻居的重要程度；预测层通过用户和项目表示，计算并输出预测的交互概率。本方法与现有的最先进的基线方法相比均有显著的提升，这归纳于本方法能识别并区分不同类别的项目，且本方法能挖掘项目属性空间中冷启动项目间的协作信号，丰富冷启动项目的嵌入表示，进一步提升推荐性能。

公开(公告)号：CN116578718A

公开(公告)日：2023-08-11

申请号：CN202310515239.1

申请日：2023-05-09

Applicant: 大连理工大学

Inventor： 马瑞新 ,  卜西亚 ,  陈紫璇 ,  吴徽南 ,  马云龙

IPC: G06F16/36 ,  G06F16/335 ,  G06F16/9535 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0895 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明属于推荐系统技术领域，提供一种基于多视图对比学习的知识图谱推荐方法。其首先从不同视角出发综合考虑和构建了四种不同的视图，包括由知识图谱和用户‑项目交互图联合构成的协作知识图谱、用户‑项目交互图、以及基于用户‑项目交互图构造的用户‑用户图和项目‑项目图。除此之外，交并比被应用来合理的构建用户‑用户图以及项目‑项目图，并且一个感受野被设计以此来避免引入更多的噪声。然后其在局部和全局水平上对四个视图进行对比学习，旨在以自监督的方式挖掘用户和项目之间、用户之间、项目之间的协作信息，以及全局的结构信息，从而缓解稀疏的监督信号问题。