CN119537705A 一种基于谱图多项式滤波器的多模态推 荐方法及系统 (苏州大学)_第1页
CN119537705A 一种基于谱图多项式滤波器的多模态推 荐方法及系统 (苏州大学)_第2页
CN119537705A 一种基于谱图多项式滤波器的多模态推 荐方法及系统 (苏州大学)_第3页
CN119537705A 一种基于谱图多项式滤波器的多模态推 荐方法及系统 (苏州大学)_第4页
CN119537705A 一种基于谱图多项式滤波器的多模态推 荐方法及系统 (苏州大学)_第5页
已阅读5页,还剩27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

一种基于谱图多项式滤波器的多模态推荐基于谱图多项式滤波器的多模态推荐方法及系统,方法包括:将用户数据和项目数据输入至PolyRec模型中,PolyRec模型包括多模态编码用频率信号缩放器和统一的频谱图神经网络函2将所述用户数据和项目数据输入至PolyRec模型中,所述PolyRec模利用所述多模态编码器对用户数据和项目数据中的文本模态和视觉模态信息进行编将所述第一特征和第二特征输入至所述多模态对齐模块进行将所述初步特征和项目数据中的初始行为特征进行融合,并利将所述偏好相关的模态特征输入至所述项目一项目视图编对所述用户数据进行编码,将所述用户数据转换为图结构,定义图信号过滤函数,通过所述图信号过滤函数提在高频区间[-1,c]中单调递增,且f(x)<0,其中-1<c<0;在低频区间IB,1]中单调递增,且f(x)>0,其中0<β<1;在中频区间[c,B]内为非线性变换。3,其中,g1(x)、g2(x)、g3(x)分别表示高频、中频和低频信号的缩放函数,7.如权利要求6所述的基于谱图多项式滤波器的多模态推荐方法,其特征在于,,征融合的损失函数,为分别控制对比辅助任务的超参数,l2为正则化效果的超参数,为用户和项目的行为信息建模时的初始化层的用户和项目的行为表示向8.一种应用如权利要求1_7任一所述的基于谱图多项式滤波器的多模态推荐方法的系特征获取模块,用于将所述用户数据和项目数据输入至PolyRec模型特征融合模块,用于将所述第一特征和第二特征输入至所述多模态对齐模块进行融所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指理器执行时实现权利要求1至7任意一项所述基于谱图多项式滤波器的多模态推荐方法的4[0004]本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施式滤波器的多模态推荐方法解决现有多模态推荐系统中对不同频率用户行为信息建模不足以及多模态信息与行为信息融合缺乏有效利用所述多模态编码器对用户数据和项目数据中的文本模态和视觉模态信息进5根据项目数据中的原始多模态特征,构建一个完全连接定义图信号过滤函数,通过所述图信号过滤函数提取用户数据中的特定频率成在高频区间[-1,c]中单调递增,且f(x)<0,其中-1<c<0;在低频区间[B,1]中单调递增,且f(x)>0,其中0<β<1;在中频区间[c,B]内为非线性变换。6,其中,g1(x)、g2(x)、g3(x)分别表示高频、中频和低频信号的缩放函数,,为特征融合的损失函数,为分别控制对比辅助任务的超参数,l2为正则化效果的超参特征获取模块,用于将所述用户数据和项目数据输入至PolyRec模型中,所述该计算机可执行指令被处理器执行时实现所述基于谱图多项式滤波器的多模态推荐方法模态推荐方法,即PolyRec模型,提升了推荐系统在处理用户行为和多模态信息方面的性7[0018]图1为本发明一个实施例所述的基于谱图多项式滤波器的多模态推荐方法的整体图2为本发明一个实施例所述的基于谱图多项式滤波器的多模态推荐方法的N=L+I,用户与项目i个用户和第j个项目具有交互,则R=1。邻接,,向量,AeRW是相应的特征值,L的特征值范围为[0,2];8,谱图神经网络经常使用一些多项式来替代go(A):,[0027]S102:利用多模态编码器对用户数据和项目数据中的文本模态和视觉模态信息并且M=fimage,text},然后将不同维度的多模态特征变换到同一特征空间中,得到,9,其中,n为初步特征,和,使用图神经网络对项一项相似度矩阵进行消息传播,以获得项目的模态嵌入im为项目i在模态m下的表示;,其中,NU、Ni表示用户u和项目i的邻居,Eim为项目i在模态m下的表示,Eum为用户u在模态m下的表示;,,[0031]所有模态都具有模态共享ES和模态特定特征,并且用户对模态共享特征具有,,,o表示主元乘在高频区间[-1,c]中单调递增,且f(x)<0,其中-1<c<0;在低频区间[B,1]中单调递增,且f(x)>0,其中0<β<1;在中频区间[c,B]内为非线性变换。[0035]在本申请实施例中,和用于划分图形信号的频率间隔;[-1,c]代表高频信号的能力仍然有限,本发明认为关键在于图信号滤波函数的构造而不是多项式基的选择;[0037]有研究发现训练数据中相互作用的低频和高频信号与测试数据中的低频和高频一个图信号过滤函数f(x)。,,,其中,g1(x)、g2(x)、g3(x)分别表示高频、中频和低频信号的缩放函数,[0041]缩放函数用于对不同频率的行为信息进行微妙的调整,将频率信号缩放器f(x)i()=(x)*f(x),调整后的滤波器函数i()用作监督信号来优化原始多项式基,表示为:,。,[0044]然后使用内积来计算用户u和项目i之间的相似度:,i的最终表示。,,为特征融合的损失函数,为分别控制对比辅助任务的超参数,l2为正则化效果的超参[0046]上述为本实施例的一种基于谱图多项式滤波器的多模态推荐方法的示意性方实现如上述实施例提出的实现基于谱图多项[0050]本实施例提出的存储介质与上述实施例提出的实现基于谱图多项式滤波器的多模态推荐方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施中,如计算机的软盘、只读存储器(ReadOnly,Memory,ROM)、随机存取存储器(Random[0053]为了评估本发明PolyRec模型性能,在广泛使用的三个用于推荐的数据集上进行

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。

评论

0/150

提交评论