【技术实现步骤摘要】
本专利技术涉及推荐系统,尤其涉及一种考虑用户项目需求关系的图卷积推荐方法及装置。
技术介绍
1、推荐系统是一种数据特征挖掘的方法。基于用户的历史交互记录,推荐系统可以对用户可能感兴趣的项目进行预测,该项目覆盖范围包括但不限于:商品、电影、音乐、短视频等。推荐系统能够从大体量的用户数据信息中分析潜在的行为模式,对用户的互联网体验以及企业的需求精准提供都有着很大的作用。由于推荐系统的交互记录建模与图模型的匹配程度较高,因此基于图神经网络的推荐方法成为了主要的研究方向。
2、当前主流的图神经网络推荐方法通过对用户和项目的交互记录建立了对应的图结构,然后进行卷积操作得到用户和项目的潜在特征编码,基于用户和项目的潜在特征编码距离确定用户对项目的预测评分。当前较少的图神经网络推荐方法考虑了用户对项目需求程度随时间的变化关系,较少方案明确用户对项目需求程度的具体量化方法。而在现实社会运作中,群体或者个体行为都普遍受到时间的周期限制,比如个体的上下班情况、交通出行情况、娱乐喜好等都有明确的周期特征。因此对于用户而言,其对项目的需求程度大概率
...【技术保护点】
1.一种考虑用户项目需求关系的图卷积推荐方法,其特征在于,包括:
2.如权利要求1所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,所述对用户的预测时间戳进行编码获得用户的时间编码向量,包括:
3.如权利要求1所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,所述用户兴趣模型采用多层感知机结构,包括输入层、一个以上全连接层和输出单元;
4.如权利要求3或2所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,与用户u对应的用户兴趣模型的训练方法包括:
5.如权利要求4所述的考虑用户项目需求关系的图卷积推荐方
...【技术特征摘要】
1.一种考虑用户项目需求关系的图卷积推荐方法,其特征在于,包括:
2.如权利要求1所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,所述对用户的预测时间戳进行编码获得用户的时间编码向量,包括:
3.如权利要求1所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,所述用户兴趣模型采用多层感知机结构,包括输入层、一个以上全连接层和输出单元;
4.如权利要求3或2所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,与用户u对应的用户兴趣模型的训练方法包括:
5.如权利要求4所述的考虑用户项目需求关系的图卷积推荐方法,其特征在于,项目类别的编码获取方法包括:
6.如权利要求5所述的考虑用户项目需求关系的图卷积推荐方...
【专利技术属性】
技术研发人员:胡春强,周宇,邓绍江,夏晓峰,桑军,
申请(专利权)人:重庆大学,
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。