节点交互的预测方法、装置、计算机设备和存储介质

    公开(公告)号:CN118940878A

    公开(公告)日:2024-11-12

    申请号:CN202410865359.9

    申请日:2024-06-28

    Inventor: 陈佳伟 王哲 王灿

    Abstract: 本申请涉及一种节点交互的预测方法、装置、计算机设备和存储介质,其中,该节点交互的预测方法包括:在动态图数据集中,获取预设时刻下目标节点对中每个目标节点对应的采样节点集合;基于每个采样节点集合中各第一节点的时空编码,确定采样节点集合对应的节点表征矩阵,其中,各第一节点的时空编码之间具备关联性;进一步地,通过预先构建的目标预测模型,对各节点表征矩阵进行处理,得到目标节点对中目标节点在预设时刻的交互预测结果。通过本申请,解决了未考虑节点之间的时空特性,导致预测结果不准确的问题,实现了结合节点之间的时空特性进行预测分析,提高预测结果的准确性。

    一种面向图神经网络推荐模型的剪枝方法、装置及存储介质

    公开(公告)号:CN118917352A

    公开(公告)日:2024-11-08

    申请号:CN202410941390.6

    申请日:2024-07-15

    Abstract: 本发明公开了一种面向图神经网络推荐模型的剪枝方法、装置及存储介质,涉及模型剪枝与计算机深度学习领域。给定用户集物品交互信息,构造的用户‑物品二分图,剪枝算法会在模型训练的过程中计算边可靠性、结构重要性和信息质量,以产生用户‑物品二分图中每条边的得分,并对其进行剪枝,以缩小图的规模,来加速模型训练并提高模型预测的准确性,基于剪枝后的图神经网络的推荐模型为用户进行物品推荐。本发明可以在基于图神经网络的推荐模型的训练过程中删去贡献较小的边,优化图结构,使信息传递更有效的同时加快聚合的速度。

    物品推荐方法、装置、计算机设备和存储介质

    公开(公告)号:CN119444350A

    公开(公告)日:2025-02-14

    申请号:CN202411404341.5

    申请日:2024-10-09

    Abstract: 本申请涉及一种物品推荐方法、装置、计算机设备和存储介质,其中,该方法包括:获取训练数据集,训练数据集为包含各样本用户与各样本物品之间交互信息的文档数据或文本数据;针对预先建立的推荐模型,构建基于预设瑞丽散度系数和可学习的用户个性化阈值参数的推荐损失函数;将训练数据集输入推荐模型,基于推荐损失函数训练推荐模型,得到训练完备的推荐模型;推荐模型的输出为文档关于特定物品的预测评分,或文本关于特定物品的预测评分;将目标用户与目标物品之间的历史交互数据输入推荐模型,得到关于目标物品的预测评分,基于各预测评分的排序进行物品推荐。通过本申请,解决了无法向用户准确推荐物品的问题,实现了向用户准确推荐物品。

    图结构去噪方法、装置和存储介质

    公开(公告)号:CN119359585A

    公开(公告)日:2025-01-24

    申请号:CN202411295660.7

    申请日:2024-09-14

    Abstract: 本申请涉及一种图结构去噪方法、装置和存储介质,其中,方法包括:基于图结构学习模型对第一图结构进行修正,得到第二图结构;基于图卷积网络模型对第二图结构进行处理,构建节点的预测置信度矩阵;根据预测置信度矩阵和置信度阈值,生成第一掩码矩阵,并采用第一掩码矩阵调整第二图结构,得到第三图结构;基于每一次调整置信度阈值后得到的第三图结构,重训练图结构学习模型和图卷积网络模型,确定目标置信度阈值;根据目标置信度阈值和预测置信度矩阵,生成第二掩码矩阵;采用第二掩码矩阵调整目标图结构。通过本申请,不会额外给图邻接矩阵增加连接(噪声),同时也避免为邻接矩阵增加额外的存储开销。

    内容推荐模型的训练方法、装置、设备和存储介质

    公开(公告)号:CN118939872A

    公开(公告)日:2024-11-12

    申请号:CN202410866125.6

    申请日:2024-06-28

    Abstract: 本申请涉及一种内容推荐模型的训练方法、装置、设备和存储介质,其中,该方法包括:获取训练样本和初始推荐模型;训练样本包括多个样本用户与相应推荐内容的历史交互数据;基于初始推荐模型对样本用户进行预测,得到每个样本用户与对应推荐内容的预测得分;基于成对视角和预设激活函数构建推荐损失函数;基于推荐损失函数、预测得分和历史交互数据,训练初始推荐模型,得到内容推荐模型。通过本申请,能够基于成对视角和预设激活函数构建推荐损失函数,提高推荐损失函数性能,从而提高推荐模型为用户推荐内容的推荐效果,解决了推荐损失函数性能不足,导致推荐模型的推荐效果不佳的问题。

    一种增强图推荐模型鲁棒性的方法、装置及一种推荐方法

    公开(公告)号:CN117540105B

    公开(公告)日:2024-04-16

    申请号:CN202410027890.9

    申请日:2024-01-09

    Applicant: 浙江大学

    Abstract: 本申请涉及一种增强图推荐模型鲁棒性的方法、装置及一种推荐方法,其中,该增强图推荐模型鲁棒性的方法包括:获取待优化的初始图推荐模型,扩充所述初始图推荐模型中每个节点的邻居节点;其中,所述节点包括用户节点和物品节点;调整所述初始图推荐模型中每条边的权重,根据调整后的所述边的权重确定所述初始图推荐模型的邻接矩阵;根据所述初始图推荐模型的邻接矩阵确定所述初始图推荐模型的目标损失,对所述初始图推荐模型进行训练优化所述目标损失,得到目标图推荐模型。通过本申请提高了目标图推荐模型的鲁棒性,解决了现有的图推荐模型在分布偏移场景下的推荐效果不佳的问题。

    一种推荐系统针对物品排序的内部错误定位的方法和装置

    公开(公告)号:CN117593073A

    公开(公告)日:2024-02-23

    申请号:CN202311415334.0

    申请日:2023-10-30

    Applicant: 浙江大学

    Abstract: 一种推荐系统针对物品排序的内部错误定位方法和装置,其方法包括:1)对物品预期曝光进行估计:开启短时间小流量实验,将物品强插至精排模块计算预估分,并强插至精排展现结果进行曝光;计算该批次物品的用户行为打分与精排预估分的一致性,确保精排正确性;模拟一系列请求,计算该物品通过精排进行曝光与未在精排候选但精排预估分排序位次应被曝光的情形的次数占比;2)当预期曝光量超过现有曝光量3倍时,分别对粗排模块和召回模块进行排查,对问题进行定位。本发明对物品的预期曝光做出准确估计,排除了低质量物品的可能;给出了各阶段准确性的明确判定标准;提出了根据各阶段预估分数一致性作为判定依据的新思路。

    一种基于地标节点的不确定图可达概率计算方法

    公开(公告)号:CN116662404A

    公开(公告)日:2023-08-29

    申请号:CN202310625216.6

    申请日:2023-05-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于地标节点的不确定图可达概率计算方法,包括:(1)将现实世界中的网络建模成为不确定图;(2)离线采样构建每个节点对应的地标节点;(3)计算每个节点到其地标节点的可达概率;(4)通过地标节点计算给定节点对之间的可达概率。本发明在保证不确定图中任意两个节点可达概率计算准确率接近主流方法的同时,提升了时间效率。

Patent Agency Ranking