基于意图导向的自监督学习图推荐方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于意图导向的自监督学习图推荐方法、系统、设备及存储介质，所述方法包括：根据用户与物品的交互数据构建用户‑物品交互图，将用户‑物品交互图中用户‑物品的ID输入意图感知的图编码器，获取每个意图下的用户‑物品的嵌入表示并进行聚合；将聚合后用户‑物品的嵌入表示输入训练好的自监督学习框架中的在线网络，预测用户‑物品的推荐分数；其中，所述自监督学习框架包括在线网络和目标网络，所述在线网络用于根据聚合后用户‑物品的嵌入表示预测用户‑物品的推荐分数，所述目标网络用于在训练过程中对聚合后用户‑物品的嵌入表示进行数据增强。本发明专利技术能够根据意图更好地建模用户的兴趣，从而实现更准确、更高效的用户推荐。

【技术实现步骤摘要】

本专利技术涉及人工智能机器学习，特别是涉及一种基于意图导向的自监督学习图推荐方法、系统、终端设备及计算机可读存储介质。

技术介绍

1、在互联网和数字技术迅猛发展的信息时代，人们面临着海量的信息和内容，如何从中筛选出符合用户兴趣和偏好的信息已经成为了一个急需解决的问题。推荐系统能够根据用户之前交互过的物品以及各种行为数据，向用户推荐其未来可能进行交互的物品和内容，从而能够提高用户的体验，增加用户的粘性以及促进各种商品的交易。

2、目前，传统的推荐算法大多是只使用协同过滤的算法来进行推荐，这类推荐算法的缺点是在训练推荐算法时会面临数据稀疏性以及数据中存在假负样本的问题。这些问题会降低推荐算法的准确度，从而影响到推荐系统的性能。

技术实现思路

1、为了解决上述现有技术中的至少一个问题，本专利技术提供了一种基于意图导向的自监督学习图推荐方法、系统、终端设备及计算机可读存储介质，能够更好地建模用户的兴趣，从而实现更准确、更高效的用户推荐。

2、本专利技术的第一个目的在于提供一种基于意图导向的自监本文档来自技高网...

【技术保护点】

1.一种基于意图导向的自监督学习图推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的自监督学习图推荐方法，其特征在于，所述将用户-物品交互图中用户-物品的ID输入意图感知的图编码器，获取每个意图下的用户-物品的嵌入表示，包括：

3.根据权利要求1所述的自监督学习图推荐方法，其特征在于，所述数据增强采用节点特化的方式。

4.根据权利要求1所述的自监督学习图推荐方法，其特征在于，设在线网络的输出为其中，和分别为用户的输出和物品的输出；

5.根据权利要求1所述的自监督学习图推荐方法，其特征在于，采用交叉预测的方法预测用户和物品之间的交...

【技术特征摘要】

1.一种基于意图导向的自监督学习图推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的自监督学习图推荐方法，其特征在于，所述将用户-物品交互图中用户-物品的id输入意图感知的图编码器，获取每个意图下的用户-物品的嵌入表示，包括：

3.根据权利要求1所述的自监督学习图推荐方法，其特征在于，所述数据增强采用节点特化的方式。

4.根据权利要求1所述的自监督学习图推荐方法，其特征在于，设在线网络的输出为其中，和分别为用户的输出和物品的输出；

5.根据权利要求1所述的自监督学习图推荐方法，其特征在于，采用交叉预测的方法预测用户和物品之间的交互得分，即为推荐分数：

6....

【专利技术属性】
技术研发人员：杨博航，陶乾，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：