CN115510319B 一种基于潜在兴趣多视图融合的推荐方法和系统 （山西大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115510319B(45)授权公告日2025.07.01

(21)申请号202211160832.0

(22)申请日2022.09.22

(65)同一申请的已公布的文献号申请公布号CN115510319A

(43)申请公布日2022.12.23

(73)专利权人山西大学

地址030006山西省太原市坞城路92号

(72)发明人廖健马宏

(74)专利代理机构太原申立德知识产权代理事务所(特殊普通合伙)14115

专利代理师孙乐

(51)Int.CI.

GO6F16/9535(2019.01)

GO6F16/958(2019.01)

GO6Q30/0601(2023.01)

GO6F18/25(2023.01)

(56)对比文件

US2022253722A1,2022.08.11CN112950325A,2021.06.11

审查员吴国庆

权利要求书4页说明书10页附图2页

(54)发明名称

一种基于潜在兴趣多视图融合的推荐方法和系统

(57)摘要

CN115510319B本发明公开了一种基于潜在兴趣多视图融合的推荐方法和系统，属于计算机推荐系统技术领域。本发明通过构建多视图来探索多种因素对用户和商品的影响，根据潜在的用户兴趣主题生成子图，在不同的视图下，通过为用户和商品的表示增加个性化的特征使其可以保持自己的特征，有效缓解传统方法过平滑的问题。用残差网络结构改进了经典LightGCN模型，设计了VS-LightGCN模块，以保持模型对个体化特征的持续认知。基于主成分控制机制(PCCM)的动态多视图

CN115510319B

CN115510319B权利要求书1/4页

2

1.一种基于潜在兴趣多视图融合的推荐系统，其特征在于：包括多视图生成模块、VS-LightGCN模块和多视图融合模块；

所述多视图生成模块：

原始的用户-商品交互行为矩阵R∈R×,其中，R∈R”表示R是一个m×n维，每个元素为实数的矩阵；m和n分别表示用户和商品的数量，若R中用户u与商品i对应的元素R非零，表示用户u曾经与商品i交互过，用户u和商品i之间存在一条边；否则，该R为零；

在原始的用户-商品交互行为矩阵R的基础上，用一个用户-商品的二部图G=(N,E)来提供结构信息；其中，N表示节点的集合，包括用户u和商品i的节点，E表示边的集合；

再使用奇异值分解SVD来分解原始的用户-商品交互行为矩阵R,表示为：R≈p(t)z(t)(Q(t))T,其中，P(t)和Q(t)分别是左、右奇异矩阵，z(t)是一个对角矩阵，由前t个最大奇异值组成，T为向量转置；

将每个奇异值视为推荐系统中的一个潜在兴趣主题；用户u和商品i由前t个潜在兴趣主题分别表示为奇异向量p(t)∈Pt)和q(t)∈Q(t;在前t个潜在兴趣主题下，将p(t)和q(t)之间的相似度视为用户u和商品i的结构关联得分，表示为：

score?=p.?·q“

根据前t个潜在兴趣主题下每个用户u和商品i的结构相关得分score,生成相似度矩阵M⑩∈R”x,其中用户u和商品i对应元素M=score.);

原始的用户-商品交互行为矩阵R转化为由t个潜在兴趣主题确定的不同实值连续矩阵M(t);选择不同的t值，获得不同的相似度矩阵M(t);

设置阈值η去除基于相似性矩阵Mt)的双子图中结构相关分数过低的噪声边，用户和用户交互的商品被分组到不同的子图中，以生成不同的视图；对于每个视图V,其交互矩阵被定义为：

其中，η为一阈值，控制生成两个视图过程中的边的相似度；

当且仅当相似度矩阵Mt)中用户u和商品i对应元素】,且原始的用户-商品交互矩阵R中对应元素R=1时，视图V①中用户u和商品i对应元素V值为1,否则为0;

所述VS-LightGCN模块：

对于多视图生成模块生成的每个视图，将用户u和商品i的初始嵌入分别表示为e(0)

;;从潜在兴趣主题的不同视图中学习用户u和商品i的表示；各视图之间是相互独立的，特定视图子图中的节点只能与子图内的邻居传播信息；同时通过奇异值分解SVD将用户u或商品i表示为前t个潜在兴趣主题下的t维嵌入p(t)和q(t),使其包含关于用户u或商