【技术实现步骤摘要】
本公开的实施例涉及电数字数据处理，具体地，涉及物品推荐方法、物品推荐装置、计算机可读存储介质。
技术介绍
1、随着互联网的发展，现实中的信息指数级上升，在享受信息带来便捷的同时，如何从海量的信息中筛选用户所感兴趣的内容是关键问题，推荐系统应运而生。1992 年提出的协同过滤算法是推荐系统的开端。
2、推荐系统发展至今，基于图神经网络的协同过滤算法成为推荐系统的核心。协同过滤的思想本质上是利用用户交互过的物品来增强用户表示，并利用曾经与物品有过交互的用户来增强物品表示。大多数图协同过滤算法都专注于协同信号的聚合方式。但是图神经网络有其自身的缺陷，即随着传播层数的增加会出现过度平滑现象，导致推荐系统效果变差。除此之外，层数的增加会使得时间复杂度升高。用户-用户、物品-物品的关系只能有一阶关系，这会导致不能充分挖掘用户-物品交互图中的信息。
3、此外，推荐系统需要通过丰富的有标签数据（即用户-物品交互）来进行训练，然而推荐算法通常面临数据稀疏问题，即用户-物品交互记录通常非常稀疏，这会使得模型容易出现过拟合和泛化能力差
【技术保护点】
1.一种物品推荐方法，其特征在于，所述物品推荐方法包括：
2.根据权利要求1所述的物品推荐方法，其特征在于，根据用户与物品的历史交互信息来建立用户的社交网络以获得用户社交嵌入矩阵包括：
3.根据权利要求2所述的物品推荐方法，其特征在于，根据所述用户-物品交互矩阵来建立所述社交网络以生成社交矩阵包括：
4.根据权利要求3所述的物品推荐方法，其特征在于，利用所述用户结构嵌入矩阵为所述社交网络中的每条边计算兴趣可靠性指数包括：
5.根据权利要求2所述的物品推荐方法，其特征在于，采用数据扩充方式利用所述用户融合嵌入矩阵和所述物品...
【技术特征摘要】
1.一种物品推荐方法，其特征在于，所述物品推荐方法包括：
2.根据权利要求1所述的物品推荐方法，其特征在于，根据用户与物品的历史交互信息来建立用户的社交网络以获得用户社交嵌入矩阵包括：
3.根据权利要求2所述的物品推荐方法，其特征在于，根据所述用户-物品交互矩阵来建立所述社交网络以生成社交矩阵包括：
4.根据权利要求3所述的物品推荐方法，其特征在于，利用所述用户结构嵌入矩阵为所述社交网络中的每条边计算兴趣可靠性指数包括：
5.根据权利要求2所述的物品推荐方法，其特征在于，采用数据扩充方式利用所述用户融合嵌入矩阵和所述物品协同嵌入矩阵进行对比学习以确定第一损失函数包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：马江虹，杨德照，张海军，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。