【技术实现步骤摘要】
本专利技术属于人工智能领域，具体涉及一种融合知识传播和提示学习机制的个性化推荐方法。
技术介绍
1、随着大数据的发展，推荐系统被广泛应用于金融、电商、医疗、教育等各个领域，推荐系统能够通过对无关信息进行精准过滤，有效解决互联网技术飞速发展导致信息过载的问题。在目前存在的推荐系统中基于协同过滤的推荐算法根据用户的历史交互，对相似用户进行物品推荐或将相似商品推荐给用户。但是在用户交互数据较少时，可能会产生数据稀疏问题，影响推荐准确性，同时由于图谱在构建过程中会存在标注错误和信息缺失问题，导致用户和物品间可能存在一些无法显示建模的关系。
2、为了解决这个问题，本专利技术提出一种融合知识传播和提示学习机制的个性化推荐方法，通过引入辅助知识增强用户与物品之间的联系以刻画用户和物品间的隐式关系。
技术实现思路
1、(一)要解决的技术问题
2、本专利技术要解决的技术问题是如何提供一种融合知识传播和提示学习机制的个性化推荐方法，以解决现有技术中在交互数据较少时推荐准确性低的问题以及...
【技术保护点】
1.一种融合知识传播和提示学习机制的个性化推荐方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，该方法将推荐任务形式化为：
3.如权利要求2所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，偏好传播层根据用户偏好在知识图谱中的传播，将用户兴趣沿知识图谱路径逐层扩散到其他物品上，得到用户的动态行为嵌入向量。
4.如权利要求3所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，偏好传播层具体包括：
5.如权利要求4所述的融合知识传播和提...
【技术特征摘要】
1.一种融合知识传播和提示学习机制的个性化推荐方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，该方法将推荐任务形式化为：
3.如权利要求2所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，偏好传播层根据用户偏好在知识图谱中的传播，将用户兴趣沿知识图谱路径逐层扩散到其他物品上，得到用户的动态行为嵌入向量。
4.如权利要求3所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，偏好传播层具体包括：
5.如权利要求4所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，通过随机采样固定大小的相关实体数进行实验。
6.如权利要求4所述的融合知识传播和提示学习机制的个性化推荐方法，其特征在于，属性提示层根据基于提示学习范式的推荐方法，将偏好传播层的动态行为嵌入向量与静态属性特征向量...
【专利技术属性】
技术研发人员：黄偲偲，宋伟，张倩倩，卢汉陈林，王佳，陈静，汪小良，王培磊，
申请(专利权)人：北京计算机技术及应用研究所，
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。