CN116738069B 融合结构邻居和语义邻居的解耦图对比协同过滤推荐方法 （南京工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116738069B(45)授权公告日2025.07.11

(21)申请号202310885035.7

(22)申请日2023.07.18

(65)同一申请的已公布的文献号申请公布号CN116738069A

(43)申请公布日2023.09.12

(73)专利权人南京工业大学

地址210009江苏省南京市鼓楼区新模范

马路5号

专利权人江苏省化工本质安全研究院

(72)发明人刘学军杨红伟邢卓雅杨帆

(74)专利代理机构江苏什新律师事务所32657专利代理师朱少华

(51)Int.CI.

GO6F16/9536(2019.01)

GO6F18/23213(2023.01)

GO6F18/22(2023.01)

(56)对比文件

ZihanLin等.Improvinggraphcollaborativefilteringwith

neighborhood-enrichedcontrastivelearning.ProceedingsofACMWeb

Conference.2022,第2320页-第2329页.

审查员刘嘉璐

权利要求书4页说明书10页附图1页

(54)发明名称

融合结构邻居和语义邻居的解耦图对比协同过滤推荐方法

(57)摘要

CN116738069B本发明公开了一种融合结构邻居和语义邻居的解耦图对比协同过滤推荐方法，该方法将用户和项目进行嵌入初始化并分别投影到不同空间，进行意图层面的解耦；基于图结构，对结构邻居表征进行学习；利用聚类算法挖掘语义邻居，对语义邻居进行表征学习；通过聚合结构邻居和语义邻居的学习因子，生成用户和项目的完整高阶表征；利用节点表征，分别构建结构和语义的对比学习任务；构建损失函数以优化模型，对用户和项目交互概率进行预测。本发明将意图进行解耦，在学习的过程中可以体现不同意图的重要

CN116738069B

初始化用户和项目的嵌入表示，分别投影

初始化用户和项目的嵌入表示，分别投影到不同空间，进行意图层面的解耦

基于用户和项目交互图，对结构邻居进行表征学习

利用聚类算法挖据潜在语义邻居，对语义邻居进行表征学习

聚合结构邻居和语义邻居的学习因子，生成用户和项目的完整高阶表征

通过节点表征，分别构建结构和语义的对比学习任务

构建损失函数以优化模型，对用户和项目交互概率进行预测

S1

S2

S3

S5

CN116738069B权利要求书1/4页

2

1.一种融合结构邻居和语义邻居的解耦图对比协同过滤推荐方法，其特征在于，包括如下步骤：

S1:初始化用户和项目的嵌入表示，分别投影到不同空间，进行意图层面的解耦，所述

S1具体步骤如下：

S11:对用户和项目的id进行初始embedding嵌入表示；

S12:使用非线性变换将初始嵌入投影到总数为K个子空间中，用于解耦K个不同的意

图，具体过程如下：

其中，e和e;表示用户和项目的初始嵌入大小为的矩阵w和长度为的向量b均表示第k意图的训练参数，D为嵌入长度，σ为sigmoid函数，使用L2范数防止过拟合；训练得到的u和v为用户和项目意图k的嵌入表示；

S2:基于用户和项目交互图，对结构邻居进行表征学习，所述S2具体步骤如下：

S21:基于用户和项目的交互图，计算用户/项目与结构邻居在不同意图上的相似度得

分，表示为：

其中，S(st)“;表示对于意图k,用户i对于项目j的结构邻居相似度得分，u1和v“即为第1阶用户i和结构项目j对应意图k的嵌入，u;l为该用户所有意图的集合；exp为指数函数，sim为余弦相似度函数，1为图神经网络的阶数，t为温度系数，u{和v“即为第1阶用户和项目对应意图k的嵌入；

S22:利用每一个意图上的相似得分，计算用户对任意结构邻居项目的学习因子：

其中，N(i)表示第1阶上用户i的所有邻居项，r(st)“;即表示此用户对任意邻居项目j的学习因子，得到项目的学习因子：

其中，N(j)表示第1阶上项目j的所有邻居项，r(st)“-,即表示此项目对任意邻居用户i的学习因子；

S3:利用聚类算法挖掘潜在语义邻居，对语义邻居进行表征学习；

CN116738