[發明專利]一種基于神經注意力自編碼器的個性化推薦方法

有效

• 申請號: 201910773079.4
• 申請日: 2019-08-21
• 公開（公告）號: CN110659411B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 古天龍;田冰冰;李龍;常亮
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 石燕妮

本發明公開了一種基于神經注意力自編碼器的個性化推薦方法，包括：利用自編碼器編碼用戶對項目的二元評分，生成項目的評分特征表示；通過詞注意力模塊生成項目的描述特征表示；利用神經門控模塊融合項目的評分特征表示和描述特征表示，得到項目的表示向量；通過項目表示生成模塊計算得到候選項目表示向量和用戶歷史訪問項目的表示向量，將候選項目的表示向量和用戶歷史訪問項目的表示向量輸入注意力網絡,生成用戶的表示向量；將用戶表示向量和候選項目的表示向量進行內積操作，得到用戶訪問候選項目的預測概率；將計算出的不同候選項目的預測概率從大到小排列，取排名前K的候選項目作為該用戶的個性化推薦列表。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于神經注意力自編碼器的個性化推薦方法。

背景技術

隨著互聯網的飛速發展，在線內容出現爆炸式的增長，如何幫助用戶從海量的在線內容中獲取他們感興趣的信息，進一步改善信息超載問題，是個性化推薦系統所要解決的主要問題。個性化推薦系統的終極目標就是能夠理解用戶，其中一個核心技術就是用戶偏好建模。因此，如何根據用戶的歷史交互記錄來構建用戶的偏好特征，是個性化推薦系統的關鍵。傳統的用戶偏好建模方法，大多數都是根據用戶歷史交互的項目來刻畫用戶的偏好特征。然而，用戶歷史交互的項目僅包含有限的特征信息，根據項目特征生成的用戶偏好不夠準確且過于單一，無法全面地表示用戶的興趣，同時也沒有考慮用戶-項目交互數據的稀疏性和冷啟動問題，不能準確地根據用戶個性化的偏好給用戶推薦感興趣的項目。

目前已公布的發明專利“一種基于注意力機制的推薦系統及推薦方法”，公開號為CN 109087130 A，通過特征嵌入層將用戶歷史記錄中的項目及將候選項目映射成項目的特征向量，通過自注意力機制來學習用戶的表示得到用戶的特征向量，通過融合輸出層根據所述項目的特征向量及用戶的特征向量輸出用戶對項目的預測值。該發明通過獨熱編碼來生成項目的特征向量，忽略了項目本身及項目與項目之間的語義信息，這樣得到的項目特征向量包含的特征信息極為有限，無法全面準確地建模用戶的個性化偏好。本發明描述的“一種基于神經注意力自編碼器的個性化推薦方法”首先根據用戶對項目的隱式評分(評分只有0和1，也叫二元評分，0表示不喜歡，1表示喜歡)利用自編碼器生成項目的評分特征表示，再根據項目的描述內容，利用詞注意力模塊生成項目的描述特征表示。神經門控模塊融合項目評分的特征表示和項目描述的特征表示來生成用戶歷史訪問項目和候選項目的表示向量。再將用戶歷史訪問項目和候選項目的表示向量輸入到注意力網絡中計算出用戶的表示向量。得到用戶和候選項目的表示向量后通過內積操作計算用戶訪問該候選項目的概率，根據不同候選項目預測概率由大到小排列以此生成用戶的推薦列表。

發明內容

有鑒于此，本發明的目的是提供一種基于神經注意力自編碼器的個性化推薦方法，用詞注意力模塊融合項目的描述信息來得到項目的描述特征表示，更加充分地挖掘項目的特征信息。

本發明通過以下技術手段解決上述技術問題：

一種基于神經注意力自編碼器的個性化推薦方法，包括：

利用自編碼器編碼用戶對項目的二元評分，生成所述項目的評分特征表示；

通過詞注意力模塊生成項目的描述特征表示；

利用神經門控模塊融合項目的評分特征表示和描述特征表示，得到項目的表示向量；

通過項目表示生成模塊計算得到候選項目表示向量和用戶歷史訪問項目的表示向量，將所述候選項目的表示向量和用戶歷史訪問項目的表示向量輸入注意力網絡,生成用戶的表示向量；

將所述用戶表示向量和所述候選項目的表示向量進行內積操作，得到用戶訪問所述候選項目的預測概率；

將計算出的不同候選項目的預測概率從大到小排列，取排名前K的候選項目作為該用戶的個性化推薦列表。

進一步，所述自編碼器采用如下公式生成所述項目i的評分特征表示