Document
拖动滑块完成拼图
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

基于DeepFM和注意力机制的知识图谱图书推荐方法及系统 

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:上海应用技术大学

摘要:本发明涉及图书推荐方法技术领域,尤其涉及基于DeepFM和注意力机制的知识图谱图书推荐方法及系统,包括:利用TransE方法和TransH方法获取读者和电子图书的初始向量嵌入,通过One‑Hot编码处理其特征,得到对应的向量表示。利用DeepFM模型优化读者向量表示得到最终的读者向量Xreader,使用KGAT模型的信息传播模块优化电子图书表示得到最终的电子图书向量Xbook。利用Xreader和Xbook进行评分预测和模型参数优化。我方发明的方法充分利用知识图谱和特征交互信息,不仅有效缓解数据稀疏性问题,降低冷启动的影响,还提升了推荐模型的准确性和泛化能力。

主权项:1.基于DeepFM和注意力机制的知识图谱图书推荐方法,其特征在于:包括:构建协同知识图谱,利用TransE方法获取读者初始向量嵌入,利用TransH方法获取电子图书的初始向量嵌入;利用One-Hot编码处理读者特征和电子图书特征,获取读者向量表示和电子图书向量表示;通过DeepFM模型对读者向量表示优化,将TransE模型获得的读者初始嵌入向量与DeepFM模型的输出融合,获取最终读者向量Xreader;将One-Hot编码预处理后的电子图书向量表示输入KGAT模型的嵌入层获取电子图书的特征嵌入表示,与TransH模型获得的电子图书初始嵌入向量求和,获取d维电子图书向量嵌入后使用KGAT模型的信息传播模块优化,获取电子图书向量Xbook;将读者向量和电子图书向量做内积操作获取预测评分,采用综合损失函数优化模型参数。

全文数据:

权利要求:

百度查询: 上海应用技术大学 基于DeepFM和注意力机制的知识图谱图书推荐方法及系统

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。