-
题名基于超图的自监督推荐算法
- 1
-
-
作者
贾小暾
温明
杨晓龙
陈宝涛
李爱荣
任媛媛
-
机构
新疆师范大学计算机科学技术学院
新疆电子研究所股份有限公司软件事业部
新疆维吾尔自治区人力资源和社会保障厅专技处
-
出处
《计算机工程与设计》
北大核心
2025年第3期834-840,共7页
-
基金
新疆维吾尔自治区重点研发计划基金项目(2022B01007-2)。
-
文摘
为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在实际数据集上的训练结果表明,模型在提升推荐效果方面表现优异,特别是在解决数据稀疏性和噪声问题上表现出较强的能力。通过消融实验进一步验证了这些发现,展现了该算法在现代推荐系统中的应用潜力。
-
关键词
噪声数据
推荐算法
超图
全局关系
自监督学习
交互图
数据增强
-
Keywords
noisy data
recommendation algorithms
hypergraphs
global relations
self-supervised learning
interaction diagram
data augmentation
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名多模态知识图谱的人才智能评价
- 2
-
-
作者
王彬昊
温明
杨晓龙
袁梓馨
郑长青
董少华
-
机构
新疆师范大学计算机科学技术学院
新疆电子研究所股份有限公司软件事业部
新疆维吾尔自治区人力资源和社会保障厅专技处
-
出处
《计算机工程与设计》
北大核心
2025年第5期1519-1525,共7页
-
基金
新疆自治区重点研发计划基金项目(2022B01007-2)。
-
文摘
针对以往传统的人工评测方法,经研究提出一种基于多模态知识图谱的人才智能评价方法,通过对文本信息和非文本信息进行编码,结合适当的语境和外部知识。通过整合上述语境和外部知识捕捉多模态语义表达的要点,精确做出评价并给予分数;分别使用基于Transformer的编码器对所有的文本、图像和评价指标特征进行编码,使用交叉注意层在它们之间交换信息。在两个公开数据集和我们自己构建的数据集上进行大量实验,通过与其它基线方法进行比较,表明该方法在捕获关键语义信息和信息匹配方面明显优于其它基线方法。
-
关键词
多模态
知识图谱
人才智能评价
交叉注意层
深度学习
基线方法
捕获关键语义信息
-
Keywords
multimodal
knowledge graph
talent intelligence evaluation
cross attention layer
deep learning
baseline method
capture key semantic information
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
