【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)處理，特別是涉及一種基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法。
技術(shù)介紹
1、跨域推薦(cross-domain?recommendation,?cdr)方法利用源域中豐富的交互信息作為輔助來改善目標(biāo)域數(shù)據(jù)稀疏問題。以圖神經(jīng)網(wǎng)絡(luò)(graph?neural?network,?gnn)為代表的深度學(xué)習(xí)技術(shù)在跨域推薦領(lǐng)域廣泛引用，但由于源域和目標(biāo)域的數(shù)據(jù)通常存在稀疏性差異，盲目地將源域的特征偏好遷移到目標(biāo)域，有時(shí)不僅不能提升目標(biāo)域的推薦性能，反而會(huì)降低推薦的準(zhǔn)確性，由此產(chǎn)生負(fù)遷移問題，使得源域中的豐富信息無法直接用于目標(biāo)域中。
2、然而，傳統(tǒng)緩解負(fù)遷移問題做法因未考慮不同域間的稀疏性差異根源于邊緣用戶的存在，無法有效緩解負(fù)遷移問題。同時(shí)，現(xiàn)有的cdr方法，普遍設(shè)定的源域用戶與目標(biāo)域用戶完全重疊推薦場(chǎng)景不具備普適性，非重疊用戶信息在跨域任務(wù)中往往難以有效提取，影響跨域推薦性能。
技術(shù)實(shí)現(xiàn)思路
1、為此，本專利技術(shù)的實(shí)施例提出一種基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，以解決現(xiàn)有技術(shù)無法有效緩解負(fù)遷移、影響跨域推薦性能的問題。
2、根據(jù)本專利技術(shù)一實(shí)施例的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，應(yīng)用于跨域推薦系統(tǒng)，所述跨域推薦系統(tǒng)包括變分自監(jiān)督編碼模塊、動(dòng)態(tài)偽重疊判定模塊、特征重構(gòu)與推薦模塊；
3、所述方法包括：
4、在所述變分自監(jiān)督編碼模塊中，基于用戶、項(xiàng)目的內(nèi)容特征，生成用戶臨時(shí)鄰域表示和項(xiàng)目臨
5、在動(dòng)態(tài)偽重疊判定模塊中，利用模糊c均值聚類算法對(duì)重疊用戶進(jìn)行分組，得到重疊用戶小組，在重疊用戶小組中引入領(lǐng)導(dǎo)者影響方法，并結(jié)合皮爾遜相關(guān)性計(jì)算公式與信任度計(jì)算公式，計(jì)算領(lǐng)導(dǎo)者在重疊用戶小組內(nèi)的影響力，并分別求解領(lǐng)導(dǎo)者與源域的非重疊用戶的相似度及關(guān)聯(lián)度、領(lǐng)導(dǎo)者與目標(biāo)域的非重疊用戶的相似度及關(guān)聯(lián)度，最后利用屬性弱概念相似度獲取關(guān)聯(lián)度的上下限，限定偽重疊用戶數(shù)量，從而得到偽重疊用戶集；
6、在特征重構(gòu)與推薦模塊中，計(jì)算偽重疊用戶集中領(lǐng)導(dǎo)者與用戶、用戶與用戶間的影響權(quán)重，并結(jié)合源域用戶潛在特征矩陣、源域項(xiàng)目潛在特征矩陣、目標(biāo)域用戶潛在特征矩陣、目標(biāo)域項(xiàng)目潛在特征矩陣，獲取源域用戶節(jié)點(diǎn)嵌入表示、目標(biāo)域用戶節(jié)點(diǎn)嵌入表示、源域項(xiàng)目節(jié)點(diǎn)嵌入表示、目標(biāo)域項(xiàng)目節(jié)點(diǎn)嵌入表示，基于源域用戶節(jié)點(diǎn)嵌入表示、目標(biāo)域用戶節(jié)點(diǎn)嵌入表示、源域項(xiàng)目節(jié)點(diǎn)嵌入表示、目標(biāo)域項(xiàng)目節(jié)點(diǎn)嵌入表示輸出源域的預(yù)測(cè)交互評(píng)分和目標(biāo)域的預(yù)測(cè)交互評(píng)分，并根據(jù)源域的預(yù)測(cè)交互評(píng)分和目標(biāo)域的預(yù)測(cè)交互評(píng)分分別向源域與目標(biāo)域的用戶提供項(xiàng)目推薦列表。
7、根據(jù)本專利技術(shù)實(shí)施例的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，設(shè)計(jì)了變分自監(jiān)督編碼模塊優(yōu)化邊緣用戶、項(xiàng)目特征表示，并采用最大化互信息策略對(duì)不同的邊緣用戶、項(xiàng)目特征表示進(jìn)行區(qū)分，有效緩解邊緣用戶信息不足問題，從而減少源域與目標(biāo)域間數(shù)據(jù)稀疏性差異，緩解負(fù)遷移問題；其次，針對(duì)用戶部分重疊推薦場(chǎng)景，在動(dòng)態(tài)偽重疊判定模塊中，提出動(dòng)態(tài)偽重疊判定機(jī)制，對(duì)兩域重疊用戶與非重疊用戶聚類獲取偽重疊用戶集，能夠最大化重疊用戶面積，有效連接源域與目標(biāo)域，從而提升跨域推薦性能，最后，在特征重構(gòu)與推薦模塊中，獲取了更準(zhǔn)確的源域、目標(biāo)域用戶節(jié)點(diǎn)嵌入表示，以及源域、目標(biāo)域項(xiàng)目節(jié)點(diǎn)嵌入，進(jìn)而能夠輸出更加準(zhǔn)確的源域、目標(biāo)域的預(yù)測(cè)交互評(píng)分，最終實(shí)現(xiàn)跨域推薦。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，應(yīng)用于跨域推薦系統(tǒng)，所述跨域推薦系統(tǒng)包括變分自監(jiān)督編碼模塊、動(dòng)態(tài)偽重疊判定模塊、特征重構(gòu)與推薦模塊；
2.根據(jù)權(quán)利要求1所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，在所述變分自監(jiān)督編碼模塊中，基于用戶、項(xiàng)目的內(nèi)容特征，生成用戶臨時(shí)鄰域表示和項(xiàng)目臨時(shí)鄰域表示的過程中，滿足下式：
3.根據(jù)權(quán)利要求2所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，在變分推理過程中引入推理網(wǎng)絡(luò)，以求解邊緣用戶基于后驗(yàn)分布的向量表示的過程中，滿足下式：
4.根據(jù)權(quán)利要求3所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，最大化協(xié)作特征和邊緣用戶重構(gòu)的內(nèi)容特征，得到源域用戶潛在特征矩陣、源域項(xiàng)目潛在特征矩陣、目標(biāo)域用戶潛在特征矩陣、目標(biāo)域項(xiàng)目潛在特征矩陣的過程中，滿足下式：
5.根據(jù)權(quán)利要求3所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，皮爾遜相關(guān)性計(jì)算公式為：
6.根據(jù)權(quán)利要求5所述的基于變分自
7.根據(jù)權(quán)利要求6所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，計(jì)算偽重疊用戶集中領(lǐng)導(dǎo)者與用戶、用戶與用戶間的影響權(quán)重的過程中，滿足下式：
8.根據(jù)權(quán)利要求7所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，所述特征重構(gòu)與推薦模塊的總損失函數(shù)為：
...【技術(shù)特征摘要】
1.一種基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，應(yīng)用于跨域推薦系統(tǒng)，所述跨域推薦系統(tǒng)包括變分自監(jiān)督編碼模塊、動(dòng)態(tài)偽重疊判定模塊、特征重構(gòu)與推薦模塊；
2.根據(jù)權(quán)利要求1所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，在所述變分自監(jiān)督編碼模塊中，基于用戶、項(xiàng)目的內(nèi)容特征，生成用戶臨時(shí)鄰域表示和項(xiàng)目臨時(shí)鄰域表示的過程中，滿足下式：
3.根據(jù)權(quán)利要求2所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，在變分推理過程中引入推理網(wǎng)絡(luò)，以求解邊緣用戶基于后驗(yàn)分布的向量表示的過程中，滿足下式：
4.根據(jù)權(quán)利要求3所述的基于變分自監(jiān)督編碼與動(dòng)態(tài)偽重疊判定的跨域推薦方法，其特征在于，最大化協(xié)作特征和邊緣用戶重構(gòu)的內(nèi)容特征，得到源域用...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：錢忠勝，王亞惠，陳思華，范賦宇，李玉龍，
申請(qǐng)(專利權(quán))人：江西財(cái)經(jīng)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。