CN119441635A 基于变分自监督编码与动态伪重叠判定的跨域推 荐方法 （江西财经大学）

基于变分自监督编码与动态伪重叠判定的本发明提供一种基于变分自监督编码与动分自监督编码模块优化边缘用户、项目特征表示，并采用最大化互信息策略对不同的边缘用2网络将边缘用户的潜在变量与Jaccard矩阵相似度大于阈值的非边缘用户的内容属性映在特征重构与推荐模块中，计算伪重叠用户集中领导者与用户2.根据权利要求1所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其其中，是第k层用户ub的临时邻域表示，是第k层项目ia的临时邻域表示，为跳邻居集；通过用户临时邻域表示和项目临时邻域表示构建源域、目标域及3;;;b3.根据权利要求2所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其;;在生成过程，通过MLP网络将边缘用户的潜在变量与Jaccard矩4.根据权利要求3所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其;;4;其中，Lvse是变分自监督编码模块的整体损失函数，Lvaz是变分推理的损失函数，5.根据权利要求3所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其;i是项目集；;;;其中，Leaderimpact表示领导者l在重叠用户小组内的影响力，simu,u表示领导者l求解领导者与源域的非重叠用户的相似度及关联度、领;;表示非重叠用户ii评分不为零的项目集，I表示领导者l评分不为零56.根据权利要求5所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其7.根据权利要求6所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其其中，Wu,v表示领导者l对用户v的影响权重，Wuv表示用户ucorr(v,L)为用户v与领导者l的关联度，Trust,v表示领导者l和用户v之间的信任度，simu,v表示领导者l和用户v之间的相似度；;;;;68.根据权利要求7所述的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，其;数，是观察到的交互集，是从未观察到的交互集中随机抽样的一定数量的负实例，评分。7[0002]跨域推荐(Cross_DomainRecommendation,CDR)方法利用源域中丰富的交互信息作为辅助来改善目标域数据稀疏问题。以图神经网络(GraphNeuralNetwork,GNN)为[0005]根据本发明一实施例的基于变分自监督编码与动态伪重叠判定的跨域推荐方法，过MLP网络将边缘用户的潜在变量与Jaccard矩阵相似度大于阈值的非边缘用户的内容属8[0007]本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中图2是根据本发明一实施例的基于变分自监督编码与动态伪重叠判定的跨域推荐[0009]本发明实施例提出一种基于变分自监督编码与动态伪重时邻域表示和项目临时邻域表示，再通过用户临时邻域表示和项目临时邻域表示构建源9跳邻居集。;b[0015]在二部异构图中仅考虑具有偶数跳邻居的用户/项目节点，未关注边缘用户特征[0016]变分自编码器包括变分推理部分和生成部分，在变分推;;u的均值向量，是边缘用户u的标准[0017]以边缘用户u'和非边缘用户u为例，u'、u的Jaccard矩阵相似度大于;;[0022]步骤S2，在动态伪重叠判定模块中，利用模糊C均值聚类算法对重叠用户进行分模糊C均值聚类(fuzzyC_means,FCM)算法会计算出一个隶属度矩阵和一组聚类中心，然[0024]皮尔逊相关系数(Pearsoncorrelationcoefficient,PCC)被广泛应用于相似;;;;其中，Leaderimpact表示领导者l在重叠用户小组内的影响力，simu,u表示领导;;;;重，corr(v,L)为用户v与领导者l的关联度，Trust,v表示领导者l和用户v之间的信任度，simu,v表示领导者l和用户v之间的相似