一种基于多视图神经网络的商品冷启动推荐方法技术

本发明专利技术属于商品冷启动推荐领域，尤其涉及了一种基于多视图神经网络的商品冷启动推荐方法。本发明专利技术从属性关联以及实体关联两个角度构建多视图，使用社区感知编码器对每个视图进行编码得到每个视图的特征，随机删除部分视图的特征后聚合分别得到用户互补特征与商品互补特征，使用解码器强制重构完整视图，同时使用贝叶斯任务权重学习器自动平衡多视图重构任务，最后将得到的用户互补特征与商品互补特征进行拼接，输入至多层感知器，得到商品推荐列表。本发明专利技术在数据丢失的情况下，去挖掘更加有意义的信息，得到了健壮、适应冷启动场景的互补特征，从而提升了在冷启动场景下商品推荐的表现。

【技术实现步骤摘要】

本专利技术属于商品冷启动推荐领域，尤其涉及了一种基于多视图神经网络的商品冷启动推荐方法。

技术介绍

1、随着互联网的快速发展，推荐系统在日常生活中的应用变得越来越普遍。然而，传统的推荐系统在面对新用户或新物品时遇到了严重的冷启动问题，这是因为这些新进入系统的用户或者商品缺乏足够的历史行为数据，导致传统算法无法准确捕捉他们的兴趣或特性。

2、在现有技术中，数据稀疏性、信息不完整和实时性差等问题限制了推荐系统的性能。新用户缺乏足够的行为数据，难以被准确描述，而新商品也缺乏足够的用户反馈，使得传统的协同过滤方法效果不佳。为了解决这些问题，需要一种更为创新和高效的冷启动推荐方法。

3、公开号为cn110825971a的中国专利申请，公开了一种融合关系挖掘与协同过滤的物品冷启动推荐算法，该方法基于物品属性矩阵，采用关系挖掘方法计算各属性之间的多种二元关系。通过将有限的物品属性扩展成更多的关系属性，得到属性关系矩阵，并计算物品间属性相似度。同时，该算法融合了物品评分信息，通过相似度加权计算实现对新物品的个性化推荐。该方法考虑了商品之间的属性关系本文档来自技高网...

【技术保护点】

1.一种基于多视图神经网络的冷启动推荐方法，其特征在于，所述基于多视图神经网络的冷启动推荐方法，包括：

2.根据权利要求1所述的基于多视图神经网络的冷启动推荐方法，其特征在于，所述从电商平台获得商品信息、用户个人信息、用户行为日志以及不同实体间的关联信息，利用关联信息与用户行为日志生成用户元路径邻接矩阵集合AU、商品元路径邻接矩阵集合AC、用户初始特征HU、商品初始特征HC、用户社区集合CU和商品社区集合CC，并创建用户视图和商品视图，包括：

3.根据权利要求2所述的基于多视图神经网络的冷启动推荐方法，其特征在于，所述将用户元路径邻接矩阵集合AU、商品元路径邻接矩...

【技术特征摘要】

1.一种基于多视图神经网络的冷启动推荐方法，其特征在于，所述基于多视图神经网络的冷启动推荐方法，包括：

2.根据权利要求1所述的基于多视图神经网络的冷启动推荐方法，其特征在于，所述从电商平台获得商品信息、用户个人信息、用户行为日志以及不同实体间的关联信息，利用关联信息与用户行为日志生成用户元路径邻接矩阵集合au、商品元路径邻接矩阵集合ac、用户初始特征hu、商品初始特征hc、用户社区集合cu和商品社区集合cc，并创建用户视图和商品视图，包括：

3.根据权利要求2所述的基于多视图神经网络的冷启动推荐方法，其特征在于，所述将用户元路径邻接矩阵集合au、商品元路径邻接矩阵集合ac、用户初始特征hu、商品初始特征hc、用户社区集合cu和商品社区集合cc输入至社区感知编码...

【专利技术属性】
技术研发人员：郝鹏翼，钱招杰，王爽，吴存圻，朱清源，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：