一种基于图学习的跨领域推荐方法
申请人信息
- 申请人:南京航空航天大学
- 申请人地址:210016 江苏省南京市秦淮区御道街29号
- 发明人: 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于图学习的跨领域推荐方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311712911.2 |
| 申请日 | 2023/12/13 |
| 公告号 | CN117648493A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06F16/9535 |
| 权利人 | 南京航空航天大学 |
| 发明人 | 李博涵; 刘昕悦 |
| 地址 | 江苏省南京市秦淮区御道街29号 |
摘要文本
本发明公开了一种基于图学习的跨领域推荐方法。该方法通过预测给定用户项目对的概率，合理判断提出的跨领域推荐方法的有效性和可行性。主要由三部分构成：第一部分以空间映射的方式精确地分离领域的域不变特征和特定于域的特征，并使用轻量级图卷积神经网络来聚合用户‑项目高阶协同关系信息，以预先增强解纠缠后的表征的信息量。第二部分考虑借助用户社会关系和项目依赖关系，通过异构图神经网络来进一步辅助增强解纠缠后的表征的信息量，同时通过元网络进行用户和项目嵌入的个性化知识迁移，实现异构关系学习。第三部分构建了两个对比学习任务，其一为了监督解纠缠过程，使其在初始阶段能够得到一定程度的低冗余、轻噪音的嵌入表征，其二是为了增强具有自增强的异构关系学习的鲁棒性。本发明结合图学习以及对比学习等相关技术，有效利用侧信息实现了用户‑项目表征建模，提高了个性化跨域推荐的性能。 数据由马 克 团 队整理
专利主权项内容
1.一种基于图学习的跨领域推荐方法，其目的在于学习新用户和项目嵌入表示，以同时提高两个领域的推荐性能。其特征在于，包括如下步骤：步骤1，首先将每个领域的用户和项目表示抽象到领域不变和领域特定空间，初始化解纠缠的嵌入表征。在交互图中使用轻量级图卷积神经网络来聚合用户-项目高阶协同关系信息，以预先增强解纠缠后的用户和项目表示的信息量。步骤2，从解纠缠的域空间中获得用于建模用户社会关系和项目依赖关系的嵌入，将关系感知语义通过异构图神经网络融合进解纠缠后的用户和项目表示，同时通过元网络进行用户和项目的个性化知识迁移，实现异构关系学习。步骤3，构建两个CL任务。基于MI互信息最大化机制设计对比学习目标，为了监督解纠缠过程，使其在初始阶段能够得到一定程度的低冗余、轻噪音的嵌入表征。基于infoNCE损失函数设计对比学习目标，为了增强具有自增强的异构关系学习的鲁棒性。步骤4，本发明分别将用户和项目的领域不变表示和领域特定表示连接起来，以生成最终的表示，并预测给定用户项对的概率。在给定两个域D和D的情况下考虑每个域中所有用户具有隐式反馈的Top-k推荐，以同时提高两个领域的推荐性能。(s)(t)根据权利要求1所述的一种基于图学习的跨领域推荐方法，在不丧失一般性的情况下，本发明以域D为例详细阐述建模。(s) 马 克 数 据 网