CN112861017B 一种基于图卷积的神经协同过滤的信息推 荐方法 （河北工程大学）_第1页
CN112861017B 一种基于图卷积的神经协同过滤的信息推 荐方法 （河北工程大学）_第2页
CN112861017B 一种基于图卷积的神经协同过滤的信息推 荐方法 （河北工程大学）_第3页
CN112861017B 一种基于图卷积的神经协同过滤的信息推 荐方法 （河北工程大学）_第4页
CN112861017B 一种基于图卷积的神经协同过滤的信息推 荐方法 （河北工程大学）_第5页
已阅读5页，还剩24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

一种基于图卷积的神经协同过滤的信息推本发明提供一种基于图卷积的神经协同过物品的节点的特征向量作为神经协同过滤算法22.根据权利要求1所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在3.根据权利要求1所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在将物品类别字段赋予多值属性并使用Multi‑H4.根据权利要求1所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在5.根据权利要求4所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在所述步骤S312中所述邻接矩阵Au是一个对角元素为0的对称矩阵，矩阵中的元素e(ui，36.根据权利要求4所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在7.根据权利要求4所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在4。8.根据权利要求4所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在Aimplict计算出度矩阵Dimpli9.根据权利要求1所述的一种基于图卷积的神经协同过滤的信息推荐方法，其特征在上式(10)中只包含了邻居节点的信息，为了使得节点本身的5使用一个基于神经网络的矩阵分解框架NCF，结合GMF和MLP实施所最后将所述GMF和MLP学习到的隐向量进行全连接，并且输出用logi6规模已达9.04亿，互联网普及率达到64.5各类互联网应用[0003](1)现阶段推荐系统的推荐主要以采集用户的评分数据为主，但是由于有些用户[0004](2)传统的基于矩阵分解协同过滤算法是使用简单内积方法在低维空间上计算复[0005](3)传统的推荐方法没有过多的考虑用户的属性以及物品的属性，以及用户用户7[0028]所述步骤S312中所述邻接矩阵Au是一个对角元素为0的对称矩阵，矩阵中的元素8ij＝0；矩阵元素为邻接矩A中对应行列的和即Dii接矩阵Aimplict计算出度矩阵Dimp9[0073](2)基于用户和对物品特征进行评分预测的推荐模型进行改进，增加了用户交互[0074](3)现有的非线性神经协同过滤NEURALCOLLABORATIVEFILTERING(NCF)将用户[0080]参见图1所示实施例的基于图卷积的神经协同过滤的信息推荐方法，包括以下步[0107]本实施例利用Person相关系数(Pearsoncorrelationcofficient)可以用来衡ij＝0。z-6x(2)[0164](2)基于用户和对物品特征进行评分预测的推荐模型进行改进，增加了用户交互[0165](3)现有的非线性神经协同过滤NEURALCOLLABORATIVEFILT

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