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：齐鲁工业大学(山东省科学院)
摘要：本发明提出了基于增强图卷积的属性融合交互推荐模型构建方法及系统，包括：构建基于增强图卷积的关系编码器，从用户物品交互行为中提取用户物品间的高阶特征，获得用户和物品在各个时刻包含了高阶协同信号的动态特征表示；构建融合属性信息的评论编码器，对评论文本及其对应的属性进行相应的处理并融合，得到评论的准确特征表示。本发明通过分析研究表明，PGIR提出的属性激活方法可以很好的解决消极用户推荐不准确的情况，这不仅提高了模型性能，同时提高了推荐的鲁棒性和可解释性。
主权项：1.基于增强图卷积的属性融合交互推荐模型构建方法，其特征是，包括：构建基于增强图卷积的关系编码器，从用户物品交互行为中提取用户物品间的高阶特征，获得用户和物品在各个时刻包含了高阶协同信号的动态特征表示；构建融合属性信息的评论编码器，对评论文本及其对应的属性进行相应的处理并融合，得到评论的准确特征表示；构建基于增强图卷积的关系编码器的步骤为：通过用户与物品的交互为节点构建用户-物品二部图；自注意力聚合器融合用户-物品二部图中交互节点的时序信息，用户-物品注意力聚合器聚合用户或物品的邻居节点，以此来学习用户和物品在每个时刻的嵌入表示；利用增强图卷积对用户-物品二部图进行多层图卷积，学习用户-物品二部图中各节点的高阶信号；根据学习的用户和物品在每个时刻的嵌入表示及用户-物品二部图中各节点的高阶信号，获得用户和物品在各个时刻包含了高阶协同信号的动态特征表示；构建融合属性信息的评论编码器的步骤为：利用扩张卷积提取评论文本特征；对属性信息进行处理；将评论文本特征与属性信息结合，进而使用基于自监督学习的特征交互聚合模块来判断评论的有用性并得到评论的准确特征表示；构建用户-物品二部图之前需要每个用户和物品对应的一组评论数据，包括：用户u发布的数量为p的评论集及物品v收到的数量为q的评论集；所述用户-物品二部图中的节点由两个不相交的子集构成；所述用户-物品二部图的每条边表示一个交互行为；用户的邻居是一个有序子集，包括在时间t之前最新的n个交互物品；物品的邻居包括在时间t之前最新的m个交互用户。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院) 基于增强图卷积的属性融合交互推荐模型构建方法及系统
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