欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024105824548
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,包括以下步骤:S1、数据预处理,将yelp2018数据集处理成用户、商品和评价星级的交互数据文件;

S2、视图生成,通过用户与商品的交互数据集构建用户-商品二分图,并分别使用暂退法和去噪技术生成新的第一视图与第二视图;

S3、视图学习,使用多层GCN分别学习第一视图和第二视图的嵌入表示;

S4、训练损失,使用BPR贝叶斯个性化排序损失函数和对比学习损失函数InfoNCE信息对比估计进行联合训练,反向传播以更新模型参数,优化模型效果;

S5、预测,将第一视图和第二视图的嵌入表示相加,通过softmax函数获得预测结果;

S6、性能评估,计算模型Recall召回率和NDCG归一化折损累计增益来校验模型性能。

2.根据权利要求1所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S1包括以下步骤:S101、数据集收集:收集开源网站数据集yelp2018,并筛选出用户id、商品id和评价星级数据;

S102、数据预处理:对筛选出的数据进行清洗,处理缺失值、重复值、异常值;

S103、数据集划分:将预处理好的数据按照7∶1∶2的比例划分为训练集、验证集和测试集。

3.根据权利要求2所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S2包括以下步骤:S201、根据用户与商品的交互数据构建成用户-商品二分图,并生成对应的邻接矩阵;

S202、在用户-商品二分图上进行暂退法构成新的第一视图,即使用边暂退法以概率ρ丢弃二分图的边,生成新的视图,其公式为:A

其中,M

S203、在用户-商品二分图上进行去噪技术构成新的第二视图,即使用去噪层来去除噪声边;使用一个具有去噪层的GCN来滤除输入图中的噪声边;对于第l层GCN,使用二进制矩阵MA

4.根据权利要求3所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S3包括以下步骤:S301、将使用暂退法和去噪技术生成的第一视图和第二视图的邻接矩阵其中,D

S302、分别对第一视图和第二视图的用户和商品之间的交互模式进行编码,将它们嵌入到d维潜在空间中进行传播,局部图嵌入传播层公式如下:其中,E

S303、将多个图嵌入传播层集成,细化用户/商品表示并聚合上下文嵌入的局部邻域信息,将用户u将所有层的嵌入表示相加,获得用户和商品的最终嵌入表示:其中,

5.根据权利要求4所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S4包括以下步骤:S401、首先将原始用户-商品二分图通过BPR损失函数进行训练,该损失函数为:其中,O={(u,i,j)|(u,i)∈OS402、然后将生成的第一视图和第二视图使用对比学习InfoNCE损失函数进行训练,即最大化正对的预测一致性,最小化负对的预测一致性:其中,e′

上述表示计算用户节点的对比损失,即得出商品节点的对比损失S403、最后进行联合训练,反向传播以更新模型参数,优化模型效果:

6.根据权利要求5所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S5在于从不同视图学习到的嵌入表示进行加权,并且通过soffmax函数输出预测结果。

7.根据权利要求6所述的基于暂退法与去噪技术的图对比学习推荐方法,其特征在于,所述步骤S6中,Recall召回率的计算公式:其中,TP表示正确预测为用户喜欢的项目的数量,FN表示将用户实际上喜欢的项目错误地预测为不喜欢的数量;

NDCG归一化折损累计增益的计算公式为:其中,rel