公开(公告)号：CN115713386A

公开(公告)日：2023-02-24

申请号：CN202211483066.1

申请日：2022-11-24

Applicant: 山东大学

Inventor： 殷建 ,  吴国庆 ,  刘晓伟 ,  常宇鹏 ,  李炳廷

IPC: G06Q30/0601 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于推荐系统领域，提供了一种多源信息融合的商品推荐方法及系统，包括获取用户‑项目图以及用户评论信息进行用户建模，确定用户潜在因子；获取用户‑项目图以及项目评论信息进行项目建模，确定项目潜在因子；将用户潜在因子和项目潜在因子进行拼接，得到用户‑项目潜在因子；基于用户‑项目潜在因子进行评分预测，得到商品评分预测结果，利用商品评分预测结果对用户进行商品推荐。本发明使用GNN和CNN分别去处理交互信息和评论信息后进行特征融合并预测评分。

公开(公告)号：CN115221410A

公开(公告)日：2022-10-21

申请号：CN202210883824.2

申请日：2022-07-26

Applicant: 山东大学

Inventor： 殷建 ,  常宇鹏 ,  李炳廷 ,  刘晓伟 ,  吴国庆

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00

Abstract: 本发明提出了一种基于去平滑图卷积神经网络的推荐方法及系统，包括以下步骤：通过用户‑物品交互图获得用户节点的初始嵌入向量和物品节点的初始嵌入向量作为训练样本；通过基于去平滑模块的多层图卷积神经网络模型对所述训练样本进行平滑卷积聚合操作，得到各阶的用户嵌入向量和物品嵌入向量；将获得的各阶用户嵌入向量、物品嵌入向量表示分别进行层组合，将层组合后获得的最终的用户嵌入向量和物品嵌入向量进行内积运算，得到所述训练样本的预测得分；采用BPR‑Loss对基于去平滑模块的多层图卷积神经网络模型进行训练，得到训练好的推荐模型。本发明的去平滑模块能帮助图节点保持其多样性，防止了节点的特征多样性退化。

公开(公告)号：CN115187340A

公开(公告)日：2022-10-14

申请号：CN202210813884.7

申请日：2022-07-12

Applicant: 山东大学

Inventor： 殷建 ,  李炳廷 ,  常宇鹏 ,  吴国庆 ,  刘晓伟

IPC: G06Q30/06 ,  G06F16/9535 ,  G06F16/958 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种商品推荐方法及系统；其中，所述方法包括：获取用户评论和商品评论；将用户评论和商品评论，输入到训练后的商品推荐模型中，输出商品推荐结果；其中，训练后的商品推荐模型，其工作原理包括：对用户评论和商品评论分别进行编码，得到用户评论编码结果和商品评论编码结果；对用户评论编码结果和商品评论编码结果分别进行特征提取，得到用户评论特征和商品评论特征；对用户评论特征和商品评论特征进行加权交互融合，对融合结果提取用户评论与物品评论的拼接向量；对拼接向量进行评分预测，按照评分由高到低的顺序对商品进行排序，输出商品推荐列表。