CN119441615A 一种基于图神经网络的数据信息推 荐方法 （北京飞沐网络科技有限公司）_第1页
CN119441615A 一种基于图神经网络的数据信息推 荐方法 （北京飞沐网络科技有限公司）_第2页
CN119441615A 一种基于图神经网络的数据信息推 荐方法 （北京飞沐网络科技有限公司）_第3页
CN119441615A 一种基于图神经网络的数据信息推 荐方法 （北京飞沐网络科技有限公司）_第4页
CN119441615A 一种基于图神经网络的数据信息推 荐方法 （北京飞沐网络科技有限公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开一种基于图神经网络的数据信2步骤二，获取用户对物品的评论文本和物品的描述文本，使v为物品v的图像数据；步骤五，通过多层图神经网络进行高阶信息传播，每一w"和wi'为训练的权重矩阵；3图神经网络通过对上一层更新后的节点特征进行示推荐的物品越符合用户的兴趣偏好，通过对用户的最终特征表示与物品的最终特45Nbr(u)));所述嵌入层根据用户和物品的历史行为数据生成其初始向量表示，为用户的历史交互行6征表示与物品的最终特征表示内积运算，生成用户对物品的推荐得分JUV,得[0029]一、本发明通过图神经网络利用其邻域聚合逐层捕捉用户与物品之间的高阶关个用户和物品生成更丰富的嵌入表示，即使在用户和物品的直接交互数据稀少的情况下，用户与物品潜在联系的深度挖掘，使得推荐方法在处理用户偏好时具有更强的表达能力，7h")=Embedding(u),hi"=Embedding(v),其中，Embedding(u)和Embedding(v)分别表示用户和物品的嵌入矩阵，用户和物品的初始嵌入表示不仅捕捉[0042]聚合函数AGG采用均值聚合的方式，对邻居节点的特征进行加权平均或简单均值8v；文本中的上下文信息，即不仅可以基于前文预测后文，还可以通过后文理解前文的含义，BERT模型编码后，生成其对应的文本嵌入表示h",BERT通过多层变换器结构对输入的文是用户对物品的评论文本，BERT将其转换为高维的文本嵌v是物品的描述文本，BERT将其转换为高维的文本嵌入向物品的最终图像嵌入表示0,该高维向量表示能够全面地描述物品的视觉信息，为本发态特征包括交互特征文本特征ht和其他模态的特征，同样地，物品v的多模态特征也包括交互特征文本特征"以及图像特征0,不同模态的特征具有不同的性质9意力机制通过多层感知器MLP对每一个模态的特征进行学习，计算出其对当前推荐任务的态信息中筛选出对推荐结果最为重要的特征，从而生成更具针对性的用户和物品嵌入表物品节点v的初始特征在图神经网络的第1层中，分别通过其直接邻居节点的信息进行更Nbr(u)));Nbr(v)));(用户的最终嵌入表示)和(

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论