一种基于无采样协作知识图网络的推荐系统
基本信息
| 申请号 | CN202110758174.4 | 申请日 | - |
| 公开（公告）号 | CN113342994B | 公开（公告）日 | 2022-07-05 |
| 申请公布号 | CN113342994B | 申请公布日 | 2022-07-05 |
| 分类号 | G06F16/36（2019.01）I;G06F16/335（2019.01）I;G06F16/9535（2019.01）I;G06Q10/06（2012.01）I;G06Q10/10（2012.01）I;G06Q30/06（2012.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 熊熙;蒋雯静;李中志;马腾;徐孟奇 | 申请（专利权）人 | 成都信息工程大学 |
| 代理机构 | 成都玖和知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 610225四川省成都市西南航空港经济开发区学府路一段24号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于无采样协作知识图网络的推荐系统，包括：嵌入模块设置为获取知识图谱中三元组的初始嵌入向量；无采样知识图卷积模块设置为包含若干线性聚合器的单层卷积网络，对初始嵌入向量进行无采样的预计算，获得三元组的深层次信息；将嵌入向量和深层次信息结合作为更新嵌入向量；协作传播模块设置为同时编码用户和项目交互中的协作信号作为用户和项目的初始偏好，与更新嵌入向量结合作为预测模块的输入向量；预测模块设置为根据输入向量获得推荐结果。本发明仅通过设计较为复杂的传播矩阵和预计算操作，实现了不差于深度模型的性能和更快的速度，已经更准确的预测结果。 |
