本发明公开了一种基于自监督学习的跨域社交产品推荐方法,包括:1.构造异构数据:用户对产品的评分矩阵、用户与用户之间的社交关系矩阵;2.通过异构图构造层对异构数据处理得到用户‑用户‑产品的异构图网络;3.通过独热编码层得到用户协同矩阵、产品协同矩阵;4.通过图卷积层进行特征传播;5.构造节点特征聚合层;6.构造节点预测层进行产品推荐;7.构建自监督学习层对节点局部特征和全局特征进行互信息最大化学习,直至在社交域上的社交冷启动用户产品推荐效果达到最优。本发明能够充分挖掘整个异构图的全局信息、减少模型对桥梁用户数量的依赖、学习更好的桥梁用户表征,以此提高在社交冷启动用户上的产品推荐性能。
声明:
“基于自监督学习的跨域社交推荐方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)