基于多层异质属性网络表征学习的个性化商品推荐方法及系统

授权

摘要

基于多层异质属性网络表征学习的个性化商品推荐方法及系统，包括将用户与商品间交互行为看作一种边，构建多层异质属性网络，并解耦成多个简单的二分网络；对所有二分网络的邻接矩阵执行加权累加获得新组合的邻接矩阵，并执行谱图转换；融合谱转换后的邻接矩阵和节点属性特征矩阵，最后利用随机投影方法获得所有节点的表征向量；从历史数据中得到验证集以进行调参，获得每个节点的表征向量；利用余弦相似性度量用户对商品的偏好从而进行个性化推荐。本发明同时考虑了用户与商品间的多种交互行为；无需人为干预即可捕捉多种行为间的交互关系；有效融合了用户和商品的属性信息；利用随机投影进行网络表征学习，极大地提升了方法效率和提升推荐性能。

基本信息

专利标题：

基于多层异质属性网络表征学习的个性化商品推荐方法及系统

专利标题（英）：

暂无

公开（公告）号：

CN112131480A

申请号：

CN202011063645.1

公开（公告）日：

2020-12-25

申请日：

2020-09-30

授权号：

CN112131480B

授权日：

2022-06-10

发明人：

于彦伟刘志骏董军宇

申请人：

中国海洋大学

申请人地址：

山东省青岛市崂山区松岭路238号

代理机构：

青岛海昊知识产权事务所有限公司

代理人：

邱岳

优先权：

CN202011063645.1

主分类号：

G06F16/9535

IPC分类号：

G06F16/9535 G06Q30/06 G06N3/04 G06N3/08