公开(公告)号：CN117313787A

公开(公告)日：2023-12-29

申请号：CN202311199968.7

申请日：2023-09-18

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  郭刚明 ,  周思远 ,  杨宇轩 ,  张新 ,  俞东进 ,  邓水光

IPC: G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于图微分方程和孪生学习的服务推荐方法，包括以下步骤：输入用户的历史服务交互数据；读取并处理用户的历史服务交互数据；利用线性时空嵌入和基于嵌入的自注意模块来规范和生成自适应嵌入；通过图微分方程构建模型，利用时间图序列和感知间隔的注意力机制来学习动态的兴趣转移；孪生学习与服务推荐。上述技术方案首先是通过求解用户交互行为的图微分方程，显式利用了用户兴趣的连续变化，然后利用时间图序列和感知间隔的注意力机制来学习动态的兴趣转移。最后，把孪生学习用到推荐过程中，直接从基础真值标签的特征表示中学习。通过与正样本的比较来推断未来使用服务的概率，为用户提供更加精准的服务推荐。

公开(公告)号：CN117313787B

公开(公告)日：2025-03-11

申请号：CN202311199968.7

申请日：2023-09-18

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  郭刚明 ,  周思远 ,  杨宇轩 ,  张新 ,  俞东进 ,  邓水光

IPC: G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于图微分方程和孪生学习的服务推荐方法，包括以下步骤：输入用户的历史服务交互数据；读取并处理用户的历史服务交互数据；利用线性时空嵌入和基于嵌入的自注意模块来规范和生成自适应嵌入；通过图微分方程构建模型，利用时间图序列和感知间隔的注意力机制来学习动态的兴趣转移；孪生学习与服务推荐。上述技术方案首先是通过求解用户交互行为的图微分方程，显式利用了用户兴趣的连续变化，然后利用时间图序列和感知间隔的注意力机制来学习动态的兴趣转移。最后，把孪生学习用到推荐过程中，直接从基础真值标签的特征表示中学习。通过与正样本的比较来推断未来使用服务的概率，为用户提供更加精准的服务推荐。