【技术实现步骤摘要】
本专利技术属于基于会话的推荐，尤其涉及一种对比学习增强多层次兴趣感知的基于会话的推荐方法。
技术介绍
1、推荐系统可以有效地减少信息过载并增强用户体验。现有的推荐方法，包括协同过滤、基于内容的方法和基于信任的方法等，通常依赖于用户身份信息和长期历史交互行为来推断用户兴趣内容。然而，这些方法在实际应用中存在一些不足之处，如冷启动、短期交互数据稀疏和用户匿名性等，这些问题会导致推荐结果不尽人意。
2、近年来，基于会话的推荐(sbr)引起了研究者的广泛关注。sbr根据匿名用户当前的行为序列预测最有可能进行交互的下一个项目，其性能在很大程度上依赖于会话序列中相邻项目之间的关联性。图神经网络(gnn)作为专门处理和分析图数据的模型，能够学习节点之间的复杂关系，捕获并聚合不同节点的特征。基于gnn的sbr模型将会话序列构建为图模型，然后使用图神经网络来探索项目之间复杂的转换关系。但是，gnn中节点之间的信息通常只传递给与其相连的邻居节点，具有一定的局限性，模型无法有效捕捉到行为序列的全局和高阶的信息。超图神经网络在gnn的基础上进行研究...
【技术保护点】
1.一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，步骤1具体为：通过分层的兴趣感知将长度为N会话序列s＝[v1,v2,…,vN]建模一个超图Gh＝{Vh,Eh}来探索用户的多层次兴趣，将不同兴趣层次的项目构建为超边后，收集所有不同兴趣层次的超边，得到集合其中LM表示最大的兴趣感知层数；对于任何它表示具有兴趣层次L＝l的所有超边，兴趣层次中的项目作为超边的节点；
3.根据权利要求1所述的一种对比学习增强多层次兴趣感知的基于会话...
【技术特征摘要】
1.一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，步骤1具体为：通过分层的兴趣感知将长度为n会话序列s＝[v1,v2,…,vn]建模一个超图gh＝{vh,eh}来探索用户的多层次兴趣，将不同兴趣层次的项目构建为超边后，收集所有不同兴趣层次的超边，得到集合其中lm表示最大的兴趣感知层数；对于任何它表示具有兴趣层次l＝l的所有超边，兴趣层次中的项目作为超边的节点；
3.根据权利要求1所述的一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，步骤2具体为：将会话序列构建为一个有向的中介交互图gm＝{vm+vm,em}，其中vm和em分别表示会话中交互的项目和有向边的集合；会话序列中的所有节点都与一个中介节点vm相连，从而获得中介节点与会话序列中所有节点之间的相互影响，学习项目之间的长距离依赖关系；
4.根据权利要求1所述的一种对比学习增强多层次兴趣感知的基于会话的推荐方法，其特征在于，步骤3具体为：项目的特征信息通过双通道表示进行拼接，ε为通过软注意力计算的权重...
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。