首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于多模态图注意力模型的NFT推荐方法 

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:浙江大学

摘要:本发明公开了一种基于多模态图注意力模型的NFT推荐方法,优化现有模型中用户和NFT交互数据稀疏的问题,充分结合了图像、描述文本、交易数据等信息来提取用户和NFT的特征,训练注意力网络模型,得到推荐结果,包括如下步骤:首先获取NFT图像数据、文本数据、价格数据、交易数据,经过各个数据模态下的特征提取得到用户和NFT各自的初始嵌入向量,然后构建图模型以获取用户和NFT的高阶关系,结合门控机制和注意力机制得到最终的用户向量和NFT向量,二者内积即可得到用户于给定NFT的偏好值,从高到低排序得到推荐结果。

主权项:1.一种基于多模态图注意力模型的NFT推荐方法,其特征在于,首先获取NFT图像数据、文本数据、价格数据、交易数据,经过各个数据模态下的特征提取得到用户和NFT各自的初始嵌入向量,然后构建图模型以获取用户和NFT的高阶关系,结合门控机制和注意力机制得到最终的用户向量和NFT向量,二者内积即可得到用户于给定NFT的偏好值,从高到低排序得到推荐结果;包含以下步骤:步骤S1:获取NFT数据集,数据集包括NFT图像数据、交易数据、价格数据和NFT描述文本数据,对数据进行预处理;步骤S2:构建卷积神经网络模型,对步骤S1中获取的NFT图像数据进行特征提取,得到图像模态下NFT的特征表示;步骤S3:构建词嵌入模型,对步骤S1中获取的NFT描述文本数据进行特征提取,得到文本模态下NFT的特征表示;步骤S4:构建神经网络模型,对步骤S1中获取的价格数据和交易数据进行处理,提取得到交易模态下用户和NFT的特征表示;步骤S5:利用步骤1中获取的交易数据构建用户和NFT的交互行为矩阵,利用步骤S2、S3中获取的NFT特征向量以及步骤S4获取的交易模态下用户和NFT的特征向量,结合门控机制和注意力机制,定义交互图中节点的聚合公式;步骤S6:信息聚合,使用邻居节点来更新特定节点的值,将不同模态下的节点表示聚合在一起,然后获取含有高阶连通性信息的向量表示,并组合成最终的节点向量。步骤S7:根据步骤S6获得的用户和NFT的向量表示,将两者进行内积运算,以预测匹配得分,按照匹配得分倒序排序,即可得到特定用户的NFT推荐序列;步骤S8:构建损失函数,使用AdamW优化器对模型进行训练。

全文数据:

权利要求:

百度查询: 浙江大学 一种基于多模态图注意力模型的NFT推荐方法

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。

相关技术
相关技术
相关技术