2024年, 第37卷, 第6期　刊出日期：2024-06-25

上一期    下一期

• 全选
  |

基于多偏好与多模态的推荐方法研究
• Select
  基于对比学习和语义增强的多模态推荐算法

  张凯涵, 冯晨娇, 姚凯旋, 宋鹏, 梁吉业

  模式识别与人工智能. 2024, 37(6): 479-490. https://doi.org/10.16451/j.cnki.issn1003-6059.202406001

  PDF全文 ( 283 ) HTML ( 29 ) 可视化 收藏

  产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建基于对比学习和语义增强的多模态推荐算法.首先,采用图神经网络与注意力机制充分融合协同特征与多模态特征.然后,以协同信息中的交互结构为指导,学习各模态内的语义关联结构.同时,采用对比学习范式捕捉跨模态的表征依赖关系,在对比损失中引入可靠性因子,自适应调整对多模态特征的约束强度,抑制数据噪声的影响.最后,联合优化上述任务,生成推荐结果.在4个真实数据集上的实验表明文中算法的优越性.
• Select
  邻域扩展机制增强的图平行聚焦注意力社会化推荐系统

  李伟玥, 朱志国, 董昊, 高明, 张俊, 刘子龙

  模式识别与人工智能. 2024, 37(6): 491-512. https://doi.org/10.16451/j.cnki.issn1003-6059.202406002

  PDF全文 ( 239 ) HTML ( 7 ) 可视化 收藏

  社会化推荐系统旨在基于用户的评分历史和社交关系,预测其对未交互商品的评分.现有的社会化推荐系统大多基于图神经网络,然而,低效率的注意力机制和过度平滑问题在一定程度上限制评分预测的精准性和可解释性.为此,文中提出邻域扩展机制增强的图平行聚焦注意力社会化推荐系统.首先,平行图聚焦注意力网络,将用户的整体偏好分解为多方面的细粒度偏好,并引入聚焦注意力机制作为消息传递算法,根据用户-商品交互历史识别最符合用户相应偏好的商品,同时从社交网络中识别用户基于不同偏好的可信朋友.然后,提出邻域扩展机制,建立快捷链接的方式,直接实现中心节点与高阶节点间的消息传递,有效提升图聚焦注意力网络在高阶自我中心网络中捕获社交信息的能力.最后,在3个公开基准数据集上的实验表明文中系统在精准推荐方面的优越性,一系列可视化案例分析展示出其良好的可解释性.代码地址详见:https://github.com/usernameAI/NEGA.
• Select
  基于全局一致性增强的多偏好会话推荐模型

  吴江铭, 张晓堃, 徐博, 杨亮, 林鸿飞

  模式识别与人工智能. 2024, 37(6): 513-524. https://doi.org/10.16451/j.cnki.issn1003-6059.202406003

  PDF全文 ( 209 ) HTML ( 13 ) 可视化 收藏

  基于会话的推荐旨在根据一组匿名会话预测用户下一个可能交互的物品.现有的基于图神经网络的会话推荐模型对全局信息的利用不足.为此,文中提出基于全局一致性增强的多偏好会话推荐模型(Global Consistency Augmented Multi-preference Session-Based Recommendation Model, GCAM).首先,在利用全局信息时,通过最短路径搜索算法构建一致性全局图,捕捉强依赖的物品关系,过滤不可靠的物品关系,从而保证全局信息的一致性.然后,应用一种多偏好标签平滑策略,从历史会话中充分挖掘协同信息,对标签进行平滑化,拟合用户偏好的真实分布.在3个数据集上的大量实验表明GCAM的优越性.
• Select
  基于平滑图掩码编码器的顺序推荐模型

  刘洋, 夏鸿斌, 刘渊

  模式识别与人工智能. 2024, 37(6): 525-537. https://doi.org/10.16451/j.cnki.issn1003-6059.202406004

  PDF全文 ( 183 ) HTML ( 14 ) 可视化 收藏

  针对现有顺序推荐模型在处理推荐任务时由于数据集标签稀缺和用户交互数据噪声导致性能降低的问题,提出基于平滑图掩码编码器的顺序推荐模型(Smoothing Graph Masked Encoder Recommender System, SGMERec).首先,设计数据平滑编码器处理数据,提升数据质量,降低极端值和数据噪声的负面影响.然后,设计图掩码编码器,自适应提取全局项目的转换信息,构造关系图帮助模型补全缺失的标签数据,提高模型对于标签稀缺问题的应对能力.最后,运用批标准化,归一化每个神经网络层的输入分布,确保每层输入的分布相对稳定,降低用户序列的稀缺标签比例.在3个真实数据集上的实验表明,SGMERec具有一定的性能提升.
论文与报告
• Select
  协调广义多尺度序模糊决策系统的最优尺度组合与属性约简

  朱康, 吴伟志, 刘梦欣

  模式识别与人工智能. 2024, 37(6): 538-556. https://doi.org/10.16451/j.cnki.issn1003-6059.202406005

  PDF全文 ( 175 ) HTML ( 11 ) 可视化 收藏

  针对广义多尺度序模糊决策系统的知识获取问题,首先,在广义多尺度序模糊决策系统中定义优势关系,给出广义多尺度序模糊决策系统中信息粒的表示,同时定义在不同尺度组合下集合关于属性子集在优势关系下的下近似与上近似的概念.然后,在协调广义多尺度序模糊决策系统中定义5种最优尺度组合的概念,使用基于证据理论的信任函数与似然函数刻画最优尺度组合的数值特征,证明信任最优尺度组合与下近似最优尺度组合是等价的,似然最优尺度组合与上近似最优尺度组合也是等价的,并在信任最优尺度组合的基础上给出属性约简方法,同时给出最优尺度组合和属性约简的搜索算法.最后,在UCI数据集上的实验验证文中方法和算法的可行性与有效性.
• Select
  深度融合频域和空间域特征的多粒度动态场景图像去模糊网络

  陈姿含, 张红云, 苗夺谦, 蔡克参

  模式识别与人工智能. 2024, 37(6): 557-569. https://doi.org/10.16451/j.cnki.issn1003-6059.202406006

  PDF全文 ( 261 ) HTML ( 17 ) 可视化 收藏

  动态场景下的图像去模糊具有高度的不适定性,相机与被拍摄目标之间的相对运动使模糊呈现非均匀性.现有深度学习方法大多集中于空间域而忽略频域对于结构及细节恢复的潜在贡献,导致去模糊效果欠佳.为了解决此问题,文中重新审视频域信息在图像去模糊中的作用,提出深度融合频域和空间域特征的多粒度动态场景图像去模糊网络.首先,提出频域门控的频空特征深度融合模块,充分挖掘空间域和频域信息间的相关性,减少融合后特征的冗余,增强两域之间的互补.然后,构建多粒度去模糊网络,充分利用空间域和频域中的不同粒度信息进行从粗到细的图像去模糊.最后,针对训练和测试时输入特征图尺寸不同导致的频域特征图分辨率不匹配问题,采用频域分辨率自适应的测试策略,保持频率变化的一致性.在合成数据集GoPro、HIDE和真实数据集RealBlur上的实验表明文中网络在重建清晰图像方面表现较优,同时参数量及效率具有一定的竞争力.