← 返回列表
基于时序图卷积网络的个性化商品推荐方法及系统
申请人信息
- 申请人:中国海洋大学
- 申请人地址:266100 山东省青岛市崂山区松岭路238号
- 发明人: 中国海洋大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于时序图卷积网络的个性化商品推荐方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311823735.X |
| 申请日 | 2023/12/28 |
| 公告号 | CN117474637A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06Q30/0601 |
| 权利人 | 中国海洋大学 |
| 发明人 | 于彦伟; 胡杰; 董军宇 |
| 地址 | 山东省青岛市崂山区松岭路238号 |
摘要文本
本发明提供了一种基于时序图卷积网络的个性化商品推荐方法及系统，属于人工智能技术领域。本发明基于用户与商品的历史交互数据构建网络，构建用户商品属性网络；并且捕捉用户随时间变化的偏好，将网络划分为多个离散的快照，利用时序图卷积网络和Transformer来捕获短期和长期的时序信息，学习表征向量，该向量既包含了节点在网络中的特征和交互关系，又捕获了用户偏好随时间的变化情况；采用余弦相似性度量，评估每个用户对不同商品的喜好，进行精准推荐。本发明能够根据用户和商品历史的交互数据，充分捕获用户和商品交互的演化规律，学习节点高性能的表征向量，进一步提升推荐的准确度，提高用户的体验。 详见官网：
专利主权项内容
1.一种基于时序图卷积网络的个性化商品推荐方法，其特征在于，包括如下步骤：S1：获取用户与商品信息数据，构建用户商品属性网络；S2：捕获用户商品属性网络的时间演化信息，将动态属性网络划分为多个网络快照；S3：构建神经网络模型：该模型包括时序GCN卷积模块，添加了Transformer层以进一步捕捉时间演化模式，该模型还融合了对比学习来增强模型的表征学习能力；S4：确定所述神经网络模型的损失函数，对所述神经网络模型进行训练；S5：根据现有的用户商品属性信息数据，利用训练好的时序图卷积网络模型进行个性化商品推荐输出，选择偏好最大的前k个商品，推荐给用户。