【技术实现步骤摘要】
本专利技术涉及推荐系统领域，更具体地，涉及一种基于对比聚类学习的多行为推荐方法、装置及介质。
技术介绍
1、推荐系统在电子商务、社交媒体和在线广告等许多领域发挥着至关重要的作用。它通过智能信息过滤和个性化推荐，帮助用户快速找到符合他们兴趣和需求的内容。个性化推荐不仅可以提升用户体验，还可以促进商业交易的成功。
2、目前，大多数推荐模型都关注基于单一行为类型的用户和项目之间的关系。例如，zheng等人通过挖掘单个行为数据上的物品属性信息，提出了一种推荐模型。wang等人在单一行为数据上探索了用户项的高阶连通性。li等人使用元辅助学习框架来提高用户和项目对单一行为的表征有效性。lan等人基于历史交互数据构建了用户-物品和物品-物品的二部图来捕获信息。然而，在真实场景中，用户和物品之间存在各种类型的交互。如图1所示，用户的行为通常包括在电子商务平台上的点击、浏览、收藏、加入购物车、购买等多种行为。此外，用户接触到越来越多的项目，这使得仅根据一种行为推断用户偏好变得困难。因此，它要求利用辅助行为进行推荐。
3、为了充分利...
【技术保护点】
1.一种基于对比聚类学习的多行为推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用轻量级图卷积神经网络获取嵌入，包括：
3.根据权利要求1所述的方法，其特征在于，利用自适应参数学习策略来获得每个用户的各个行为的嵌入权重，并通过加权聚合每个用户的所有行为的嵌入表达，包括：
4.根据权利要求3所述的方法，其特征在于，利用对比学习对不同行为下的用户嵌入和物品嵌入进行优化，包括：
5.根据权利要求4所述的方法，其特征在于，利用对比聚类学习用户嵌入或物品嵌入之间的潜在聚类信息以获得新的用户嵌入表达...
【技术特征摘要】
1.一种基于对比聚类学习的多行为推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用轻量级图卷积神经网络获取嵌入，包括：
3.根据权利要求1所述的方法，其特征在于，利用自适应参数学习策略来获得每个用户的各个行为的嵌入权重，并通过加权聚合每个用户的所有行为的嵌入表达，包括：
4.根据权利要求3所述的方法，其特征在于，利用对比学习对不同行为下的用户嵌入和物品嵌入进行优化，包括：
5.根据权利要求4所述的方法，其特征在于，利用对比聚类学习用户嵌入或物品嵌入之间的潜在聚类信息以获得新的用户嵌入表达和物品嵌入表达，包括：
6.根据权利要求4所述的...
【专利技术属性】
技术研发人员：兰伟，周国贤，陈庆锋，王文广，张希翔，岳晓峰，
申请(专利权)人：广西大学，
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。