龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：吉林大学
摘要：本发明涉及用户推荐技术领域，尤其涉及一种基于自监督学习的类别增强方法。其包括：步骤S1、获取可学习的初始用户嵌入向量和初始项目嵌入向量，所述初始用户嵌入向量和初始项目嵌入向量使用类别信息进行更新；步骤S2、将所述用户‑项目交互图输入到预先训练过的图神经网络中的邻域聚合模块进行处理；步骤S3、获得最终的用户表示向量和项目表示向量；步骤S4、内积表示用户u对项目i的预测得分。本发明旨在通过利用类别信息和自监督学习的方法，提高模型对于长尾项目的识别和推荐能力，以克服数据稀疏所带来的挑战，还使用一种多任务训练策略，同时优化主推荐任务和辅助的对比学习任务。提升了用户和物品表示的质量。
主权项：1.一种基于自监督学习的类别增强方法，其特征在于：包括：步骤S1、获取可学习的初始用户嵌入向量和初始项目嵌入向量，所述初始用户嵌入向量和初始项目嵌入向量使用类别信息进行更新，以得到更新后的用户-项目交互，并利用图神经网络的模型推荐模块将所述更新后的用户-项目交互建模为用户-项目交互图；所述初始用户嵌入向量包含的类别信息为用户交互的类别；所述初始项目嵌入向量包含的类别信息为项目所述的类别；步骤S2、将所述用户-项目交互图输入到预先训练过的图神经网络中用于协同过滤的邻域聚合模块进行处理，并获取用户u和项目i在各层的输出向量；步骤S3、根据用户u和项目i在各层的输出向量，采用加权和函数作为读出函数来聚合所有层的输出向量以获得最终的用户表示向量和项目表示向量；步骤S4、使用所述最终的用户表示向量和项目表示向量的内积表示用户u对项目i的预测得分，所述预测得分用于表示用户u对项目i的偏好程度；所述图神经网络的训练过程中：以所述推荐任务为主要任务，所述推荐任务使用图协同过滤方法充当主要的监督任务，并用于产生最终的推荐损失；在多任务训练策略中添加自监督学习框架的对比学习任务作为辅助任务，去除所述类别信息中产生负面影响的类别，以得到稳定的类别偏好，并用于产生最终的对比学习损失；利用所述主要任务和辅助任务对模型进行联合优化训练，并用于产生最终的模型损失。
全文数据：
权利要求：
百度查询： 吉林大学 一种基于自监督学习的类别增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号