一种基于层内层间注意力的可解释好友推荐方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
一种基于层内层间注意力的可解释好友推荐方法
申请号:
CN202411050500
申请日期:
2024-08-01
公开号:
CN118967347A
公开日期:
2024-11-15
类型:
发明专利
摘要
本发明公开了一种基于层内层间注意力的可解释好友推荐方法,包括以下步骤:用户属性网络构建,基于用户属性文本构建用户属性网络;用户属性网络和用户社交网络的联合学习,随机初始化用户嵌入,基于层内的注意力机制,在不同网络内进行特征提取,基于层间的注意力机制,在不同网络间进行特征融合,生成用户嵌入,从而得到高质量的推荐结果。本发明既能有效提高推荐的准确性,提供高质量的推荐列表供用户选择,又能通过层内层间的注意力机制,给出推荐理由,增强推荐系统的可解释性,提高用户的认可度和满意度。
技术关键词
好友推荐方法
注意力机制
文本
社交
邻居
生成用户
矩阵
前馈神经网络
扩散层
聚类
正则化参数
多层感知机
关系网络
推荐系统
列表
样本
代表
非线性