龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：一种基于知识图谱和社交图谱融合增强的图神经网络推荐方法，包括：1初始嵌入层致力于编码用户、项目和实体节点，将这些属性转换为高维空间中的向量表示；2融合来自不同来源的特征以增强模型的表征能力；3通过图神经网络的多层结构，实现信息的有效传播和迭代更新；4将经过多轮迭代更新后的节点表示进行整合拼接，形成全面的特征表示；5通过动态调整社交图谱和知识图谱之间的权重比例，确保模型能够根据不同情景灵活调整，以达到最佳的推荐效果；6用户和项目嵌入的点积作为最终评分，利用BPR损失函数，利用矩阵分解和用户‑项目评分矩阵，通过贝叶斯最大后验概率进行优化。本发明在社交推荐与知识驱动推荐之间实现了高效平衡。
主权项：1.一种基于知识图谱和社交图谱融合增强的图神经网络推荐方法，其特征在于，所述用于知识图谱和社交图谱融合增强的图神经网络推荐方法包括以下步骤：步骤一，节点编码：初始嵌入层致力于编码用户、项目和实体节点；通过对用户、项目和实体的属性信息进行预处理并应用嵌入技术，将这些属性转换为高维空间中的向量表示；步骤二，特征融合：融合来自不同来源的特征以增强模型的表征能力；步骤三，传播迭代：通过图神经网络的多层结构，实现信息的有效传播和迭代更新；在每一层中，节点的表示将根据其邻居节点的信息进行更新，通过多轮迭代，使得每个节点能够间接获取并融合更广泛的网络信息；步骤四，拼接合成：将经过多轮迭代更新后的节点表示进行整合拼接，形成全面的特征表示；步骤五，动态权重融合机制：通过动态调整社交图谱和知识图谱之间的权重比例，确保模型能够根据不同情景灵活调整，以达到最佳的推荐效果；步骤六，评分预测与优化：用户和项目嵌入的点积作为最终评分，利用BPR损失函数，利用矩阵分解和用户-项目评分矩阵，通过贝叶斯最大后验概率进行优化。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于知识图谱和社交图谱融合增强的图神经网络推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号