【技术实现步骤摘要】
本专利技术属于推荐系统领域，具体涉及一种信息推荐方法、系统、设备及介质。
技术介绍
1、信息推荐方法是一个基于用户与物品交互信息来预测用户感兴趣的物品，从而进行个性化推荐的方法。
2、现有技术中，图神经网络(gnn)被广泛应用于推荐算法，因为它能够捕捉用户-物品交互图中的深层次复杂关系，gnn通过将多跳邻居的关系集成到用户或物品的表示中，从而提高推荐效果。然而，实际交互图中通常存在噪声交互的问题，这些噪声交互会降低图协同过滤推荐算法的准确性，导致推荐效果不佳。
技术实现思路
1、为了克服现有技术信息推荐效果不佳的不足，本专利技术提供了一种信息推荐方法，包括如下步骤：
2、获取用户-物品实时交互图，将用户-物品实时交互图输入ptdnet去噪模型，计算用户-物品实时交互图中的每条边的重要性权重，根据设定阈值及每条边的重要性权重筛选保留重要的边，剔除噪声边；动态更新边的重要性权重，并重复剔除噪声边的过程，得到去噪后的图数据；
3、将去噪后的图数据输入信息推荐模...
【技术保护点】
1.一种信息推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的信息推荐方法，其特征在于，所述信息推荐模型的获取过程，包括如下步骤：
3.根据权利要求2所述的信息推荐方法，其特征在于，所述根据交互数据集中的数据构建用户-物品原始交互图，具体为：所述交互数据集包括用户、物品及用户对商家的评价记录，将用户和物品分别作为节点，用户对物品的评价记录作为边，将边和节点进行连接，得到用户-物品原始交互图。
4.根据权利要求2所述的信息推荐方法，其特征在于，所述将去噪后的稀疏图数据集中的数据输入图神经网络模型，对图神经网络模型进行训练之...
【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的信息推荐方法，其特征在于，所述信息推荐模型的获取过程，包括如下步骤：
3.根据权利要求2所述的信息推荐方法，其特征在于，所述根据交互数据集中的数据构建用户-物品原始交互图，具体为：所述交互数据集包括用户、物品及用户对商家的评价记录，将用户和物品分别作为节点，用户对物品的评价记录作为边，将边和节点进行连接，得到用户-物品原始交互图。
4.根据权利要求2所述的信息推荐方法，其特征在于，所述将去噪后的稀疏图数据集中的数据输入图神经网络模型，对图神经网络模型进行训练之前，还包括将去噪后的稀疏图数据集中的数据转化为邻接矩阵和节点特征矩阵，其中，邻接矩阵是去噪后的稀疏图数据集中的稀疏用户-...
【专利技术属性】
技术研发人员：孙福盛，杨国良，熊风光，况立群，赵融，焦世超，刘毅敏，郭丽霞，刘丽娜，孙卿，邢娟娟，任牧龙，
申请(专利权)人：中北大学，
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。