公开(公告)号：CN118673965A

公开(公告)日：2024-09-20

申请号：CN202410650487.1

申请日：2024-05-24

申请人： 宁波大学

发明人： 刘柏嵩 ,  邵晓雯 ,  徐尔聪 ,  李钧儒 ,  吴诗琪

IPC分类号： G06N3/0455 ,  G06N3/09 ,  G06N3/096

摘要： 本发明公开了一种基于双目标推荐的领域自适应方法，包括以下步骤：S1：跨域序列图生成，在若干领域中的混合序列中提取交互关系域内顺序；S2：引入核机制的全图编码器NodeFormer，学习不依赖图结构的节点表示；S3：进入图对比学习任务，对交互密集领域的节点与边进行扰动；S4：混合注意力机制，学习局部和全局的时序注意力信息；S5：多任务学习，联合监督任务与无监督对比学习任务训练。本发明缓解了跨域推荐中领域数据分布差异的问题，以应对真实推荐场景中数据多样性的挑战，提升模型系统的鲁棒性。基于双目标跨域推荐的领域自适应方法。

公开(公告)号：CN116049570A

公开(公告)日：2023-05-02

申请号：CN202310023586.2

申请日：2023-01-09

申请人： 宁波大学

发明人： 刘柏嵩 ,  罗林泽 ,  胡测 ,  吴诗琪 ,  李钧儒

IPC分类号： G06F16/9536 ,  G06N3/048 ,  G06N3/047 ,  G06N3/098 ,  G06F21/62 ,  G06Q50/00

摘要： 本发明公开了一种基于联邦对比学习的双塔社交推荐方法，包括：步骤1、中央服务器随机选取固定数量的用户客户端，并将所需参数发送至对应客户端；步骤2、用户客户端通过双塔学习模块和用户注意力对比模块，完成本地训练；步骤3、通过梯度保护模块，对需要更新的梯度进行保护，并上传至中央服务器；步骤4、中央服务器接收到用户客户端上传的梯度，聚合后通过扰动对比学习模块，得到最终需要更新的梯度；步骤5、重复步骤1至4，得到最后收敛的模型；步骤6、根据用户即候选物品集作为模型的输入，得到用户推荐物品集合。本发明能够做到保护用户隐私安全的同时，还能降低用户间的社交噪声和数据扰动引入的噪声对推荐模型性能的影响。