【技术实现步骤摘要】
本专利技术属于智能推荐，涉及一种基于知识增强的多模态知识动态推荐方法及系统。
技术介绍
1、在推荐系统领域，传统方法长期受限于单模态数据处理能力和浅层特征关联的局限性。当前主流的协同过滤算法和基于内容的推荐技术，主要针对结构化数据（如元信息、文本标签）进行线性建模，难以有效捕捉多模态数据（如图像视觉特征、音频频谱模式、视频时空信息）间的非线性关联。以视频推荐场景为例，现有系统通常将视频元数据与用户观看记录进行简单关联，却忽视了视频帧中隐含的物体识别特征、音频情感倾向与用户行为模式间的深层语义联系，导致跨模态语义鸿沟问题日益凸显。
2、现有技术在多模态数据处理层面存在三重瓶颈：
3、其一，异构特征表征的碎片化问题，不同模态数据在特征空间中的分布差异显著，传统向量拼接或加权融合方法难以建立跨模态的语义一致性映射；
4、其二，动态兴趣建模的滞后性，静态用户画像无法实时捕捉多源行为数据（如直播互动弹幕、短视频滑动轨迹）中隐含的偏好迁移规律；
5、其三，知识推理能力的缺失，现有推荐模型缺乏对领域知识...
【技术保护点】
1.一种基于知识增强的多模态知识动态推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述获取项目的多模态特征张量的公式具体如下：
3.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述结合模态的注意力系数对多模态特征张量进行融合，得到多模态特征融合向量，具体如下：
4.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述根据领域知识图谱和图注意力网络生成实体嵌入向量，具体如下：
5.根据权利要求1所述...
【技术特征摘要】
1.一种基于知识增强的多模态知识动态推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述获取项目的多模态特征张量的公式具体如下：
3.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述结合模态的注意力系数对多模态特征张量进行融合，得到多模态特征融合向量，具体如下：
4.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述根据领域知识图谱和图注意力网络生成实体嵌入向量，具体如下：
5.根据权利要求1所述的一种基于知识增强的多模态知识动态推荐方法，其特征在于，所述根据多模...
【专利技术属性】
技术研发人员：马跃飞，常秀丰，佟立飞，翟一琛，卜宪政，李华，修兴强，
申请(专利权)人：中国人民解放军九二四九三部队信息技术中心，
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。