-
公开(公告)号：CN117909596A
公开(公告)日：2024-04-19
申请号：CN202410079232.4
申请日：2024-01-19
Applicant: 东北大学
IPC: G06F16/9536 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种上下文注意力增强与意图识别的会话推荐系统及方法，涉及推荐技术领域。一种上下文注意力增强与意图识别的会话推荐系统包括数据采集清洗模块、会话间显式依赖图和隐式相关图构建模块、项目初始嵌入模块、双图神经网络模块、会话表征学习模块和会话推荐模块。一种上下文注意力增强与意图识别的会话推荐方法，从当前会话和相邻会话的角度考虑，应用双图神经网络对项目间的显式依赖和隐式相关性分别进行学习，增强项目特征表示，根据相同项目在不同会话中的反向位置不同，将反向位置编码纳入到项目嵌入中，得到准确会话表示，对用户意图进行识别，最后在模型预测中，应用焦点损失Focal Loss函数来平衡正负样本，完成预测，提高了推荐准确度。
-
公开(公告)号：CN118709133A
公开(公告)日：2024-09-27
申请号：CN202410800969.0
申请日：2024-06-20
Applicant: 东北大学
IPC: G06F18/25 , G06F18/10 , G06F18/21 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明提供一种基于多视角自监督对比学习的多模态推荐方法，涉及推荐系统技术领域。本发明通过基于特征交叉矫正的两阶段模态表征模块缩小了跨模态语义差距，有效减少了噪声；通过二元重编织进行用户‑项目图结构扰动，净化了历史数据中的虚假交互，更好的拟合了真实场景；最后通过构建项目‑项目亲和图实现模态信息增强，大大提升项目嵌入的语义关联度，在减小计算复杂度的同时解决了信息混叠和模态语义丢失的问题。对于上述多视角进行自监督对比学习，最大化不同视图下的节点的互信息，更好地表征了节点，有效提高了推荐系统的准确性和鲁棒性。
-
公开(公告)号：CN118714193A
公开(公告)日：2024-09-27
申请号：CN202410792926.2
申请日：2024-06-19
Applicant: 东北大学
IPC: H04L67/55 , H04L67/306 , G06N5/022 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/08 , G06F18/25
Abstract: 本发明提供一种基于知识蒸馏的自适应双塔多模态推荐方法，涉及多模态推荐技术领域，本发明通过收集获取用户‑项目交互信息以及项目多模态信息，进行数据清洗和格式转换；使用教师‑学生模型进行多模态信息的知识蒸馏；基于GNN和专家网络构建双塔模型；分别计算双塔模型下交互塔和内容塔的偏好得分；基于场景特征进行双塔偏好得分混合；计算偏好得分之后进行项目推荐。本发明显著优于传统的单模态推荐算法。这一进步不仅体现在推荐系统的性能提升上，也在空间和计算资源的节约上有着明显的优势。因此，本发明在多模态推荐系统领域具有重要的应用价值和广阔的市场前景。
-
公开(公告)号：CN117909598A
公开(公告)日：2024-04-19
申请号：CN202410109968.1
申请日：2024-01-26
Applicant: 东北大学
IPC: G06F16/9536 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/082 , G06Q50/00
Abstract: 本发明设计一种基于多通道去噪的社交网络活动推荐系统及方法，属于信息推荐和数据挖掘领域技术领域；采用多通道方式生成用户关系和用户‑活动关系嵌入表示，并采用图注意力网络思想，针对每个邻居实体节点学习目标实体节点语义能力不同，利用注意力机制区分连接相邻节点的关系的重要程度，从而根据不同的重要程度将邻居节点信息聚合到目标实体中，增强了项目的嵌入表示，缓解数据稀疏的问题；不仅能减少对大量的高维数据建模的成本，生成较为完整的用户表示，获取更为完整的数据信息，还能提高数据质量，减少社交关系冗余问题，充分提取高维数据的丰富信息，进行鲁棒去噪，提高实用性，从而实现提高社交网络平台系统推荐价值的目的。
-
-
-
Search Results
4
records
(took 0.029 seconds)
