-
公开(公告)号：CN112328908A
公开(公告)日：2021-02-05
申请号：CN202011258551.X
申请日：2020-11-11
Applicant: 北京工业大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于协同过滤的个性化推荐方法。随着网络数据的日益激增，用户更希望在海量数据中获得符合自身兴趣的内容，本发明方法通过结合基于用户的协同过滤和基于物品的协同过滤两种技术，来获得既具社会化又具有个性化的推荐结果，在Top‑N任务中表现优异。同时，在处理物品和用户的一阶邻域关系时引入注意力机制，实现了物品和用户的动态表达过程，进一步提升了推荐的准确性。本发明的目的在于充分利用物品和用户的一阶邻域关系，以获得准确和个性化的推荐结果。
-
公开(公告)号：CN113407834A
公开(公告)日：2021-09-17
申请号：CN202110674480.X
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06Q30/06 , G06K9/62
Abstract: 本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。
-
公开(公告)号：CN113407834B
公开(公告)日：2025-02-25
申请号：CN202110674480.X
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06N5/025 , G06F16/9536
Abstract: 本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。
-
公开(公告)号：CN112328908B
公开(公告)日：2022-10-28
申请号：CN202011258551.X
申请日：2020-11-11
Applicant: 北京工业大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于协同过滤的个性化推荐方法。随着网络数据的日益激增，用户更希望在海量数据中获得符合自身兴趣的内容，本发明方法通过结合基于用户的协同过滤和基于物品的协同过滤两种技术，来获得既具社会化又具有个性化的推荐结果，在Top‑N任务中表现优异。同时，在处理物品和用户的一阶邻域关系时引入注意力机制，实现了物品和用户的动态表达过程，进一步提升了推荐的准确性。本发明的目的在于充分利用物品和用户的一阶邻域关系，以获得准确和个性化的推荐结果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
