一种基于深度聚类算法的电影个性化序列推荐方法

    公开(公告)号:CN114647778B

    公开(公告)日:2024-12-13

    申请号:CN202210218635.3

    申请日:2022-03-04

    Abstract: 本发明公开了一种基于深度聚类算法的电影个性化序列推荐方法,实现个性化的电影推荐。过程如下:获取电影数据集,分离出所需数据;通过深度聚类从所获得的数据中挖掘用户的高层次意图,形成融合用户高层次意图的交互序列;通过对所获得的数据进行用户静态特征的挖掘,并与用户观影序列结合,形成用户特征动态序列;将融合用户高层次意图的交互序列与用户特征动态序列结合输入门控循环单元,得到融合的序列信息;用融合的序列信息计算出所有候选项目与此序列的匹配得分,并从中选取排名前K个项目作为推荐结果。本发明可以有效捕捉到用户在观看电影时较高层次的意图特征,并通过聚类的分布来缓解长尾问题,最终生成个性化的电影推荐。

    基于图编码的学科知识图谱复杂查询方法、系统、设备和介质

    公开(公告)号:CN117807192B

    公开(公告)日:2024-05-07

    申请号:CN202410226607.5

    申请日:2024-02-29

    Abstract: 本发明涉及一种基于图编码的学科知识图谱复杂查询方法、系统、设备和介质,查询方法步骤如下:预处理学科知识图谱复杂查询数据集;初始化复杂查询的查询图中所有节点和边的向量表示,并设置迭代次数L;对查询图执行逻辑消息传递操作,每个节点得到对应的逻辑消息集合;将节点及该节点对应的逻辑消息集合输入注意力聚合器得到节点的更新向量表示;重复执行前两个步骤L次,得到所有节点向量表示经过L次更新的查询图;基于查询图中自由变量节点的向量表示使用NCE损失函数优化注意力聚合器和相关参数。该发明提出的注意力聚合器能够捕获输入向量集合各个元素之间的依赖关系并动态衡量不同元素的重要性,从而获得更优的节点聚合向量表示。

    一种基于深度聚类算法的电影个性化序列推荐方法

    公开(公告)号:CN114647778A

    公开(公告)日:2022-06-21

    申请号:CN202210218635.3

    申请日:2022-03-04

    Abstract: 本发明公开了一种基于深度聚类算法的电影个性化序列推荐方法,实现个性化的电影推荐。过程如下:获取电影数据集,分离出所需数据;通过深度聚类从所获得的数据中挖掘用户的高层次意图,形成融合用户高层次意图的交互序列;通过对所获得的数据进行用户静态特征的挖掘,并与用户观影序列结合,形成用户特征动态序列;将融合用户高层次意图的交互序列与用户特征动态序列结合输入门控循环单元,得到融合的序列信息;用融合的序列信息计算出所有候选项目与此序列的匹配得分,并从中选取排名前K个项目作为推荐结果。本发明可以有效捕捉到用户在观看电影时较高层次的意图特征,并通过聚类的分布来缓解长尾问题,最终生成个性化的电影推荐。

    基于图编码的学科知识图谱复杂查询方法、系统、设备和介质

    公开(公告)号:CN117807192A

    公开(公告)日:2024-04-02

    申请号:CN202410226607.5

    申请日:2024-02-29

    Abstract: 本发明涉及一种基于图编码的学科知识图谱复杂查询方法、系统、设备和介质,查询方法步骤如下:预处理学科知识图谱复杂查询数据集;初始化复杂查询的查询图中所有节点和边的向量表示,并设置迭代次数L;对查询图执行逻辑消息传递操作,每个节点得到对应的逻辑消息集合;将节点及该节点对应的逻辑消息集合输入注意力聚合器得到节点的更新向量表示;重复执行前两个步骤L次,得到所有节点向量表示经过L次更新的查询图;基于查询图中自由变量节点的向量表示使用NCE损失函数优化注意力聚合器和相关参数。该发明提出的注意力聚合器能够捕获输入向量集合各个元素之间的依赖关系并动态衡量不同元素的重要性,从而获得更优的节点聚合向量表示。

Patent Agency Ranking