【技术实现步骤摘要】
本专利技术涉及个性化推荐，具体涉及一种利用多视图学习用户偏好的推荐方法、一种利用多视图学习用户偏好的推荐装置、一种非临时性计算机可读存储介质和一种计算机设备。
技术介绍
1、推荐系统是一种信息过滤系统，能够自动预测用户对特定产品或服务的偏好，并向其提供个性化的推荐，广泛应用于电子商务、社交媒体、新闻资讯、音乐、电影等领域。
2、推荐系统通常基于用户的历史行为，在大数据的支持下生成个性化的推荐内容，该方式中，用户偏好表示只是简单的通过用户历史兴趣进行描述而忽略了更细粒度的兴趣发现，即项目中具体的某方面，推荐结果不够准确。
3、近年来，神经网络模型在推荐系统中得到了广泛的应用，并提出了许多基于图神经网络的算法，通过反馈数据挖掘用户和项目之间的相关性，提高推荐的准确性。但是，这类模型聚合信息的过程会导致大多数用户表示集中在小部分的向量空间，无法确定用户喜欢项目的原因，没有深入研究用户的兴趣，假设有人看了电影《当幸福来敲门》，推荐系统无法确定用户是喜欢看励志电影，还是偏爱该电影的导演所指导的系列电影，不利于个性化推荐。<
【技术保护点】
1.一种利用多视图学习用户偏好的推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用多视图学习用户偏好的推荐方法，其特征在于，基于所述用户-项目交互信息进行表示学习，获取基于交互信息的用户-项目交互信息视图，具体包括：
3.根据权利要求2所述的利用多视图学习用户偏好的推荐方法，其特征在于，对用户和用户历史交互的项目集合、项目和每个项目交互过的用户集合进行聚合时，高阶连接信息通过多个传播层进行聚合。
4.根据权利要求1所述的利用多视图学习用户偏好的推荐方法，其特征在于，根据以下公式在知识图谱中学习用户表示和项目表示：p>
5.根据权...
【技术特征摘要】
1.一种利用多视图学习用户偏好的推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用多视图学习用户偏好的推荐方法，其特征在于，基于所述用户-项目交互信息进行表示学习，获取基于交互信息的用户-项目交互信息视图，具体包括：
3.根据权利要求2所述的利用多视图学习用户偏好的推荐方法，其特征在于，对用户和用户历史交互的项目集合、项目和每个项目交互过的用户集合进行聚合时，高阶连接信息通过多个传播层进行聚合。
4.根据权利要求1所述的利用多视图学习用户偏好的推荐方法，其特征在于，根据以下公式在知识图谱中学习用户表示和项目表示：
5.根据权利要求4所述的利用多视图学习用户偏好的推荐方法，其特征在于，对所述用户-项目交互信息视图和用户-项目知识图谱视图进行信息融合，具体包括：
6.根据权利要求1所述的利用多视图学习用户偏好的推荐方法，其特征在于，对融合后的信息进行优化，具体包括：
7.一种利用多视图学习用户偏好的推荐装置，其特征在于，包括：
8.根据权利要求7所述的利用多视图学习用户偏好的推荐装置，其特征在于，所述第一获取模块具体用于：
9.根据权利要求8...
【专利技术属性】
技术研发人员：张骁雄，张明星，杨军，周晓磊，范强，严浩，丁鲲，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。