公开(公告)号：CN118503548A

公开(公告)日：2024-08-16

申请号：CN202410387658.6

申请日：2024-04-01

Applicant: 宁波大学科学技术学院

Inventor： 张雪峰 ,  僧德文 ,  欧阳子涵 ,  钟才明 ,  潘铁军 ,  周国兵 ,  姚良巧 ,  郑志亮

IPC: G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/09 ,  G06Q50/00 ,  G06N3/048

Abstract: 本发明公开了一种基于对比学习的融合信任和影响力的个性化推荐方法。该方法基于交互过程中的用户项目社交信息，构建用户信任度图与用户影响力图，聚合用户社交信息。考虑到推荐场景中，用户之间存在信任与影响，将社交信息转移到用户项目交互图中，增强用户表示。利用图神经网络聚合图中邻居节点，并多次传播嵌入向量信息，使生成的图具有高阶连通性，解决图融合时对表示学习损害导致推荐性能不佳的问题。

公开(公告)号：CN118626718A

公开(公告)日：2024-09-10

申请号：CN202410794224.8

申请日：2024-06-19

Applicant: 宁波大学科学技术学院

Inventor： 张雪峰 ,  僧德文 ,  郑志亮 ,  钟才明 ,  潘铁军 ,  郑蕾娜 ,  周国兵 ,  欧阳子涵 ,  姚良巧

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0895 ,  G06N3/0985

Abstract: 本发明公开了一种基于扩散模型与对比学习的序列推荐方法。针对用户的历史交互序列，分别使用注意力神经过程学习用户的长期兴趣，和时域卷积网络学习用户的短期兴趣。再使用扩散模型，基于用户的长、短期兴趣恢复出目标项目，即用户下一个可能会交互的项目。使用对比学习的方法对模型进行训练，让长期兴趣编码和伪标签之间的相似性高于短期兴趣的编码和伪标签，以区分用户的长期兴趣和短期兴趣。最后利用训练后的模型进行项目预测，生成指定用户的推荐项目列表。本方法既考虑了用户整体兴趣偏好，又结合了用户动态兴趣偏好，还针对用户交互中的不连续行为引入了空洞卷积，从而实现更准确的预测与推荐。