买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东交通大学

摘要：本发明公开了一种基于超图注意力和增强对比学习的科技文献推荐方法，从科技文献系统中采集用户与科技文献之间的交互行为，得到非结构化的数据集；构建用户科技文献交互二部图；引入超图注意力机制，将每一个节点与聚类后的质心进行注意力分数的计算，通过注意力分数更新用户和科技文献的特征表示，建立科技文献推荐主模型；通过聚类方法构建对比对，利用对比学习的方法更新用户科技文献交互二部图的节点特征表示，建立对比学习辅助模型；使用总体损失函数对科技文献推荐主模型与对比学习辅助模型进行联合训练，得到训练好的科技文献推荐模型并用于向用户推荐科技文献。本发明可解决数据稀疏问题、满足个性化需求和提高科技文献推荐准确率。

主权项：1.一种基于超图注意力和增强对比学习的科技文献推荐方法，其特征在于，包括以下步骤：步骤S1、从科技文献系统中采集用户与科技文献之间的交互行为，得到非结构化的数据集；步骤S2、构建用户科技文献交互二部图：从非结构化的数据集中抽取用户和科技文献之间的交互关系，将每一个用户和每一篇科技文献视为图的节点，建立一个统一的用户科技文献交互二部图；以用户科技文献交互二部图为基础，把每一个用户所交互过的科技文献分别构造成一个超边，即同一条超边包括某一用户所交互过的全部科技文献；同时把与每一篇科技文献交互过的用户分别构造成一个超边，即同一条超边包括某一科技文献被交互过的全部用户；步骤S3、引入超图注意力机制，将每一个节点与聚类后的质心进行注意力分数的计算，通过注意力分数更新用户和科技文献的特征表示，建立科技文献推荐主模型；步骤S4、通过聚类方法构建对比对，利用对比学习的方法更新用户科技文献交互二部图的节点特征表示，建立对比学习辅助模型；步骤S5、使用总体损失函数对科技文献推荐主模型与对比学习辅助模型进行联合训练，得到节点的最佳特征表示，并保存训练好的科技文献推荐主模型、对比学习辅助模型及参数，得到训练好的科技文献推荐模型；步骤S6、使用训练好的科技文献推荐模型计算每位用户对其它所有未交互过科技文献的交互概率，根据概率对科技文献进行排序，选取前k篇推荐给用户；步骤S3的科技文献推荐主模型包含两个聚合过程，用于获得用户和科技文献的特征表示；第一个聚合过程基于超图注意力机制，将节点信息聚合到超边上以更新超边表示，第二个聚合过程，将超边信息聚合到节点上以更新节点表示；第一个聚合过程为：首先使用k均值算法对所有的节点进行聚类，得到k个节点簇类与k个节点簇类的质心集合，表示第1个节点簇类的质心，表示第2个节点簇类的质心，表示第k个节点簇类的质心，计算所有节点与节点簇类的质心的注意力分数： （1）；式中，是节点i与第t个节点簇类的质心的注意力分数，是节点i的特征信息，是第一个聚合过程的可训练的权重参数，是可训练参数矩阵的转置矩阵，是第t个节点簇类的质心，C表示质心集合，为拼接操作，表示LeakyReLu函数；将通过注意力分数加权后的节点信息聚合到超边，通过下述公式： （2）；式中，是第层超边j聚合节点信息后的表示，σ·是Sigmoid函数，是可训练的权重矩阵，表示科技文献推荐系统主模型计算出来的第层节点i信息，表示超边j上的节点集合；第二个聚合过程为：计算所有超边上节点的注意力分数： （3）；式中，是节点i在超边j上的注意力分数，是第二个聚合过程的可训练的权重参数，表示由节点i连接的所有超边集合；将通过注意力分数加权后超边信息聚合到节点，通过下述公式： （4）；其中，是当前第层节点i更新后的特征信息，表示可训练的权重矩阵，通过科技文献推荐主模型得到节点的特征表示。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于超图注意力和增强对比学习的科技文献推荐方法