公开(公告)号：CN112905906A

公开(公告)日：2021-06-04

申请号：CN202110097853.1

申请日：2021-01-25

Applicant: 浙江大学

Inventor： 陈建海 ,  周骏丰 ,  沈睿 ,  荣大中 ,  何钦铭

IPC: G06F16/9536 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合局部协同与特征交叉的推荐方法及系统，属于推荐系统领域。首先在历史评分矩阵上，为输入的用户和物品目标组合动态地采样局部评分子图，设计启发式和图卷积两种方法先后挖掘其中的协同模式，该局部协同挖掘模块无需全局的历史评分信息，可以将模型参数知识泛化到新添加的实例上。同时将用户和物品的多种异构上下文信息统一编码成向量形式，采用因子分解机挖掘上下文特征之间的交叉模式，并利用多层感知机将协同模式与特征向量映射到评分空间，结合两个模块的输出得到用户对物品的最终预测评分值。本发明有效利用了用户和物品的上下文信息，缓解了历史行为数据的稀疏性问题，实现了协同模式的可泛化性，取得了更好的推荐效果。

公开(公告)号：CN112905906B

公开(公告)日：2022-07-15

申请号：CN202110097853.1

申请日：2021-01-25

Applicant: 浙江大学

Inventor： 陈建海 ,  周骏丰 ,  沈睿 ,  荣大中 ,  何钦铭

IPC: G06F16/9536 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合局部协同与特征交叉的推荐方法及系统，属于推荐系统领域。首先在历史评分矩阵上，为输入的用户和物品目标组合动态地采样局部评分子图，设计启发式和图卷积两种方法先后挖掘其中的协同模式，该局部协同挖掘模块无需全局的历史评分信息，可以将模型参数知识泛化到新添加的实例上。同时将用户和物品的多种异构上下文信息统一编码成向量形式，采用因子分解机挖掘上下文特征之间的交叉模式，并利用多层感知机将协同模式与特征向量映射到评分空间，结合两个模块的输出得到用户对物品的最终预测评分值。本发明有效利用了用户和物品的上下文信息，缓解了历史行为数据的稀疏性问题，实现了协同模式的可泛化性，取得了更好的推荐效果。