[發明專利]基于注意力機制和卷積神經網絡的用戶行為序列推薦方法在審
| 申請號： | 201910257110.9 | 申請日： | 2019-04-01 |
| 公開（公告）號： | CN110060097A | 公開（公告）日： | 2019-07-26 |
| 發明（設計）人： | 鮮學豐;趙朋朋;劉建 | 申請（專利權）人： | 蘇州市職業大學 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02;G06N3/08;G06N3/04 |
| 代理公司： | 北京遠大卓悅知識產權代理事務所(普通合伙) 11369 | 代理人： | 史霞 |
| 地址： | 215104 江蘇省*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 長期偏好 偏好 交互序列 卷積神經網絡 注意力機制 用戶行為 算法計算 行為數據 權重計算 用戶推薦 傳統的 擬合 權重 拼接 采集 | ||
1.基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，包括以下步驟：采集用戶過往的行為數據作為長期偏好交互序列數據；
利用注意力機制算法計算所述長期偏好交互序列數據中各行為數據的權重，并根據所述權重計算出用戶的長期偏好；
選取一段時間內的行為數據作為短期偏好交互序列數據；
根據所述短期偏好交互序列數據，利用卷積神經網絡算法計算出用戶的短期偏好；
將用戶的長期偏好與短期偏好進行拼接，以產生用戶行為序列推薦。
2.如權利要求1所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，所述過往的行為數據為用戶在一定平臺上的所有過往行為數據，或者為自當前日期起向從前計算一定時間的過往行為數據。
3.如權利要求1所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，所述選取一段時間內的行為數據為選取自當前日期起向從前計算一定時間的過往行為數據。
4.如權利要求1所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，所述利用卷積神經網絡算法計算出用戶的短期偏好的方法包括以下步驟：
利用水平卷積操作處理短期偏好交互序列數據，得到向量o；
利用垂直卷積操作處理短期偏好交互序列數據，得到向量
連接向量o和向量以此計算出用戶的短期偏好。
5.如權利要求1所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，所述拼接輸入到一個全連接網絡中，以產生用戶行為序列推薦。
6.如權利要求1所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，其特征在于，所述利用注意力機制算法計算所述長期偏好交互序列數據中各行為數據的權重包括以下步驟：
計算所述長期偏好交互序列數據中各行為數據的權重αj，包括：
首先計算出隱藏表示hj
其中，是線性整流函數(RELU)的激活函數，W1和b1為經驗參數，vj標示長期偏好交互序列數據中代表第j個項目的向量；
然后根據隱藏表示hj計算出權重αj
其中，u為代表當前待計算用戶的向量，uT表示該向量的轉置，Lu代表該用戶的長期偏好交互序列數據。
7.如權利要求6所述的基于注意力機制和卷積神經網絡的用戶行為序列推薦方法，
其特征在于，所述根據所述權重計算出用戶的長期偏好包括以下步驟：
將考慮了權重的項目嵌入長期偏好交互序列數據的總和表征用戶的長期偏好ulong：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州市職業大學，未經蘇州市職業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910257110.9/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種基于區塊鏈的核銷獎勵發放方法及裝置
- 下一篇：銷售術語的獲取方法及裝置
