基于自适应负采样与增强图邻接矩阵的推荐系统优化方法技术方案

本发明专利技术公开了基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，涉及图推荐技术领域。本发明专利技术通过在训练过程中自适应选择适当硬度的负样本，更多的关注排名较低的阳性和排名较高的阴性，来减轻FPP和FNP的影响，其次，引入了一种新的图邻接矩阵，该矩阵结合了用户‑用户和项目‑项目的相关性，并设计了一个平衡所有用户之间交互数量的用户‑项目交互矩阵，为实现这一点，预训练了一种基于图的推荐方法以获得用户和项目的嵌入，然后通过top‑K采样增强用户‑项目交互矩阵，还将对称的用户‑用户和项目‑项目相关分量扩展到邻接矩阵，做到对活跃用户进行去噪和对非活跃用户进行增强。

【技术实现步骤摘要】

本专利技术涉及图推荐，具体为基于自适应负采样与增强图邻接矩阵的推荐系统优化方法。

技术介绍

1、近年来，图神经网络(gnns)在推荐系统中取得了显著进展，其核心机制是基于用户-项目交互图的迭代邻居信息聚合。

2、现有的apegnn模型引入了一种节点自适应扩散机制，使每个节点能够根据局部结构(如度)自适应地确定扩散权重。

3、然而，该模型中的负采样方法只选择固定硬度水平的负样本，容易导致假阳性问题(fpp)和假阴性问题(fnp)。此外，apegnn模型在图协同过滤中使用的二部邻接矩阵在用户或项目交互丰富的情况下可能会引入噪声，而在交互稀缺时又可能不足，忽视了用户-用户和项目-项目之间的相关性，这限制了有效邻居的聚合。

4、因此需要对以上问题提出一种新的解决方案。

技术实现思路

1、本专利技术的目的在于提供基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，以解决
技术介绍
中提出的技术问题。

2、为实现上述目的，本专利技术提供如下技术方案：基于自适应负采样与增强图邻接本文档来自技高网...

【技术保护点】

1.基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：所述S1至少包括以下步骤：

3.根据权利要求1所述的基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：所述S2中增强用户与项目的交互至少包括以下步骤：

4.根据权利要求3所述的基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：所述S2中捕获用户-用户和项目-项目的相关性至少包括以下步骤：

【技术特征摘要】

1.基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的基于自适应负采样与增强图邻接矩阵的推荐系统优化方法，其特征在于：所述s1至少包括以下步骤：

3.根据权利要求1所述的基于自适应负...

【专利技术属性】
技术研发人员：全文君，高文洁，骆红涛，赵世聪，杨丽丽，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：