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: 2026100251996
申请人: 南昌航空大学
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:

1.一种事件社交网络中基于双意图对比学习的兴趣组推荐方法,其特征在于,所述方法包括:根据用户与兴趣组之间的线上交互关系,构建线上兴趣组超图,通过超图神经网络对线上兴趣组超图进行表征学习,获得融合社交意图的线上用户表征和线上兴趣组表征,具体的:线上兴趣组超图的表达式为:

;

融合社交意图的线上用户表征和线上兴趣组表征的表达式为:;

其中,,U和G分别为用户集、兴趣组集,为超边集,,是线上兴趣组超图的邻接矩阵,M、K分别表示用户集和兴趣组集大小,当节点,其中为兴趣组的成员集时,,、分别表示用户、兴趣组初始特征嵌入矩阵,为超图神经网络参数,表示经典的超图神经网络;

根据兴趣组举办事件以及成员参与事件数据,构建线下事件超图,通过超图神经网络对线下事件超图进行表征学习获得线下意图感知的线下用户表征和线下兴趣组表征,具体的:线下事件超图的表达式为:

;

线下用户表征和线下兴趣组表征的表达式为:

;

;

其中,表示用户和事件节点集合,表示超边集合,每条超边对应一个兴趣组,,兴趣组成员节点及所参与的事件节点通过超边连接,表示线下事件超图的邻接矩阵,M、N、K分别表示用户集、事件集和兴趣组集大小,当节点时,,其中,为兴趣组的成员集,为成员参与的事件集,为消息模块堆叠的层数,l为消息模块的层数索引,,表示用户节点关联的超边集合,表示用户节点所关联的超边的嵌入,,其中表示逐元素相乘,表示可训练的权重矩阵,表示拼接操作,,,表示兴趣组的成员集合,表示兴趣组的成员的嵌入,表示事件的嵌入,表示节点聚合函数,为注意力聚合机制,d表示的是嵌入的维度;

通过兴趣组与事件交互关系分别增强线上兴趣组表征和线下兴趣组表征,得到线上增强兴趣组表征和线下增强兴趣组表征,具体的:将兴趣组事件交互关系表示为二部图;

将兴趣组嵌入与事件嵌入的拼接,以及邻接矩阵输入到图神经网络中,得到:;

将初始嵌入通过L层卷积层,再将每一层得到的嵌入进行平均得到最终的由事件提升的兴趣组表征:;

将兴趣组表征分别用于增强线上兴趣组表征和线下兴趣组表征:;

;

其中,表示所有兴趣组和事件节点,G和I分别为兴趣组集、事件集,表示兴趣组与发布的事件之间相连边集,为邻接矩阵,N、K分别表示事件集和兴趣组集大小,且,其中,为兴趣组与事件交互矩阵,当兴趣组发布了事件时,,表示兴趣组通过事件增强的表征,表示图神经网络的可训练参数,为图神经网络,表示兴趣组的线上表征,表示兴趣组的事件提升表征,表示兴趣组的线下表征;

分别对线上用户表征、线下用户表征、线上增强兴趣组表征以及线下增强兴趣组表征对齐后得到融合双意图的双意图用户表征以及双意图兴趣组表征,具体的:分别在用户表征层面、增强兴趣组表征层面上构造对比损失,以实现跨场景语义的融合与表征互补增强;

获取其中一个目标用户与兴趣组,根据双意图用户表征以及双意图兴趣组表征确定的匹配度确定目标兴趣组,以对目标兴趣组进行推荐。

2.根据权利要求1所述的事件社交网络中基于双意图对比学习的兴趣组推荐方法,其特征在于,采用InfoNCE损失实现用户表征的对比损失,定义如下:;

;

用户表征的总体对比损失为:

;

兴趣组表征的对比损失定义如下:

;

;

兴趣组表征的总体对比损失为:

;

其中, c,分别表示融合线上社交与线下参与意图的用户表征,表示相似性度量函数,U和G分别为用户集、兴趣组集,和分别表示融合线上社交与线下参与意图的兴趣组表征。

3.根据权利要求2所述的事件社交网络中基于双意图对比学习的兴趣组推荐方法,其特征在于,所述双意图用户表征的表达式为:;

双意图兴趣组表征的表达式为:

;

其中, c,分别表示融合线上社交与线下参与意图的用户表征,和分别表示融合线上社交与线下参与意图的兴趣组表征,表示级联操作。

4.根据权利要求3所述的事件社交网络中基于双意图对比学习的兴趣组推荐方法,其特征在于,所述方法还包括:在进行兴趣组推荐的训练时引入排名损失和自监督损失的联合训练框架:;

;

;

其中,为训练数据集,为用户参加的兴趣组,为未参加的兴趣组,表示该框架中的所有可训练参数,为超参数,为调节对比损失贡献大小的超参数,为用户表征的总体对比损失,为兴趣组表征的总体对比损失,为双意图用户表征,为双意图兴趣组表征。

5.一种事件社交网络中基于双意图对比学习的兴趣组推荐装置,其特征在于,用于实现权利要求1至3中任意一项所述的事件社交网络中基于双意图对比学习的兴趣组推荐方法,所述装置包括:第一超图模块,用于根据用户与兴趣组之间的线上交互关系,构建线上兴趣组超图,通过超图神经网络对线上兴趣组超图进行表征学习,获得融合社交意图的线上用户表征和线上兴趣组表征;

第二超图模块,用于根据兴趣组举办事件以及成员参与事件数据,构建线下事件超图,通过超图神经网络对线下事件超图进行表征学习获得线下意图感知的线下用户表征和线下兴趣组表征;

增强模块,用于通过兴趣组与事件交互关系分别增强线上兴趣组表征和线下兴趣组表征,得到线上增强兴趣组表征和线下增强兴趣组表征;

对齐模块,用于分别对线上用户表征、线下用户表征、线上增强兴趣组表征以及线下增强兴趣组表征对齐后得到融合双意图的双意图用户表征以及双意图兴趣组表征;

推荐模块,用于获取其中一个目标用户与兴趣组,根据双意图用户表征以及双意图兴趣组表征确定的匹配度确定目标兴趣组,以对目标兴趣组进行推荐。

6.一种可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至4中任意一项所述的方法的步骤。

7.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至4中任意一项所述的方法的步骤。