【技术实现步骤摘要】
本专利技术涉及深度学习推荐，尤其涉及一种基于图表示学习的多准则推荐方法及系统。
技术介绍
1、推荐系统作为缓解互联网时代信息过载问题的重要技术之一，已被广泛应用于电子商务、社交媒体、在线视频等商业平台。推荐系统的目标是通过协同过滤或深度学习等技术从历史交互数据中挖掘用户潜在的行为模式，进而为用户推荐小规模的产品集合。这种个性化的推荐技术不仅能提高用户的使用体验，还能为在线平台带来经济效益。例如，在电子商务领域中，通过分析用户的购买历史、浏览行为、搜索记录，以及商品的属性和描述等信息，向用户推荐他们可能喜欢的产品，提高用户购买的可能性。在社交媒体领域，通过分析用户的社交网络、好友关系、共同兴趣爱好等信息，以及用户在平台上的互动行为，例如点赞、评论、分享等，来推荐新的朋友。在线视频领域中，通过分析用户的观看历史、评分、喜好、观看时长等数据，向用户推荐他们可能喜欢的影片和剧集，进而提升用户的观看体验。然而，在当今互联网技术蓬勃发展的时代，用户和产品数量的急剧增加使推荐系统面临着数据稀疏和冷启动问题的挑战。传统的推荐系统方法大多数依赖于用户-产...
【技术保护点】
1.一种基于图表示学习的多准则推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤S2中，进行图采样策略生成对应的子图的具体方法为：
3.根据权利要求2所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤S2中，每个节点出现的频率的计算公式为：
4.根据权利要求1所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤S4中，嵌入表示的计算公式为：
5.根据权利要求4所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤S4中，注意...
【技术特征摘要】
1.一种基于图表示学习的多准则推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤s2中，进行图采样策略生成对应的子图的具体方法为：
3.根据权利要求2所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤s2中，每个节点出现的频率的计算公式为：
4.根据权利要求1所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤s4中，嵌入表示的计算公式为：
5.根据权利要求4所述的一种基于图表示学习的多准则推荐方法，其特征在于，所述步骤s4中，注意力系数av′的计算公式为：
6.根据权...
【专利技术属性】
技术研发人员：宋鹏，郭志豪，冯晨娇，梁吉业，姚凯旋，
申请(专利权)人：山西大学，
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。