公开(公告)号：CN115422442B

公开(公告)日：2024-01-19

申请号：CN202210976839.3

申请日：2022-08-15

Applicant: 暨南大学

Inventor： 吴汉瑞 ,  龙锦益 ,  李诺思

IPC: G06F16/9535 ,  G06F16/2457 ,  G06Q30/0601 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明公开一种面向冷启动推荐的对抗自编码迁移学习方法，通过五个步骤处理物品冷启动问题，首先构建正负超图。然后利用多层感知机获取暖用户、冷用户的常规特征。构建超图自编码器，分别获取暖用户和物品的正、负特征，并重构正、负超图。开发一个匹配判别器，用以最小化暖用户正、负特征的分类损失以及暖用户的正特征和常规特征之间的分布差距。由此，暖用户的正特征和常规特征被连接起来，而暖用户的正特征与物品的正特征通过正超图相关联，使冷启动用户的常规特征与物品的正特征的关系被发现，计算冷用户的常规特征和物品的正特征的欧式距离并排序，向用户推荐Top‑K个物品，并用精度、召回率、NDCG、击中率为指标在多个现实数据集上验证本方法的优越性。本方法有效解决冷启动问题，为用户提供更加精确且个性化的推荐建

公开(公告)号：CN115422442A

公开(公告)日：2022-12-02

申请号：CN202210976839.3

申请日：2022-08-15

Applicant: 暨南大学

Inventor： 吴汉瑞 ,  龙锦益 ,  李诺思

IPC: G06F16/9535 ,  G06F16/2457 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种面向冷启动推荐的对抗自编码迁移学习方法，通过五个步骤处理物品冷启动问题，首先构建正负超图。然后利用多层感知机获取暖用户、冷用户的常规特征。构建超图自编码器，分别获取暖用户和物品的正、负特征，并重构正、负超图。开发一个匹配判别器，用以最小化暖用户正、负特征的分类损失以及暖用户的正特征和常规特征之间的分布差距。由此，暖用户的正特征和常规特征被连接起来，而暖用户的正特征与物品的正特征通过正超图相关联，使冷启动用户的常规特征与物品的正特征的关系被发现，计算冷用户的常规特征和物品的正特征的欧式距离并排序，向用户推荐Top‑K个物品，并用精度、召回率、NDCG、击中率为指标在多个现实数据集上验证本方法的优越性。本方法有效解决冷启动问题，为用户提供更加精确且个性化的推荐建议。