【技术实现步骤摘要】
本专利技术涉及推荐，特别涉及一种融合自注意力机制的多行为图对比学习推荐方法与系统。
技术介绍
1、推荐系统可利用用户历史行为信息，为用户提供个性化推荐的技术和系统。它在各种在线平台中广泛应用，如电子商务、社交媒体、音乐和视频流媒体服务等。推荐系统的核心目标是缓解信息过载问题，帮助用户快速准确地找到他们感兴趣的内容或商品。
2、在实际应用场景中（如电子商务），用户与项目的交互往往会存在多种类型的行为数据。基于此，多行为推荐成为了目前推荐领域的热门方向。利用辅助行为（如点击、加入购物车等）对目标行为（购买）进行补充建模，可丰富用户偏好，进行更细粒度的推荐。
3、传统的多行为推荐模型依旧沿用矩阵分解的方法来捕捉多种行为中的潜在用户兴趣偏好。然而，矩阵分解的方法对高阶信息利用能力有限，限制了推荐效果的提升。近年来，由于图神经网络可有效捕获高阶领域信息，研究人员开始将其广泛应用于多行为推荐中。然而，目前的基于图神经网络的多行为推荐方法还存在以下弊端：
4、1、由于不同节点之间的行为相关性各有不同，并且用户的不同...
【技术保护点】
1.一种融合自注意力机制的多行为图对比学习推荐方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的融合自注意力机制的多行为图对比学习推荐方法，其特征在于，在所述步骤1中，基于多行为交互图，联合节点与行为的嵌入进行图卷积操作，并引入自注意力机制有效建模不同节点与各行为间的联系，以增强节点嵌入表示，经过嵌入传播后，得到各行为、用户与项目的最终表示的方法具体包括如下步骤：
3.根据权利要求2所述的融合自注意力机制的多行为图对比学习推荐方法，其特征在于，采用组合函数将行为嵌入集成到消息传递中的过程存在如下关系式：
4.根据权利...
【技术特征摘要】
1.一种融合自注意力机制的多行为图对比学习推荐方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的融合自注意力机制的多行为图对比学习推荐方法，其特征在于，在所述步骤1中，基于多行为交互图，联合节点与行为的嵌入进行图卷积操作，并引入自注意力机制有效建模不同节点与各行为间的联系，以增强节点嵌入表示，经过嵌入传播后，得到各行为、用户与项目的最终表示的方法具体包括如下步骤：
3.根据权利要求2所述的融合自注意力机制的多行为图对比学习推荐方法，其特征在于，采用组合函数将行为嵌入集成到消息传递中的过程存在如下关系式：
4.根据权利要求3所述的融合自注意力机制的多行为图对比学习推荐方法，其特征在于，在所述步骤2中，根据最终表示，利用同一用户的目标行为和辅助行为构建正例对，不同用户的目标行为和辅助行为构建负例对，利用正例对和负例对建立多行为图对比学习，以建模目标行为与辅助行为的关系的方法具体包...
【专利技术属性】
技术研发人员：钱忠胜，黄恒，饶雨贤，何玉水，
申请(专利权)人：江西财经大学，
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。