[發明專利]基于時間信息和序列上下文的下一個游戲推薦方法

在審

• 申請號: 201911387876.5
• 申請日: 2019-12-30
• 公開（公告）號: CN111178509A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 王東京;徐登威;俞東進
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06F16/9535
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.基于時間信息和序列上下文的下一個游戲推薦方法，其特征在于包括如下步驟：

步驟(1)構建模型的輸入；

處理用戶序列數據，分別從用戶序列信息數據中抽取出用戶游戲文件、用戶間隔時間文件和用戶持續時間文件；

步驟(2)使用詞嵌入工具處理用戶游戲文件，生成游戲的低維稠密向量表示；

步驟(3)構建間隔時間門和持續時間門；

其中表示所有用戶的第k個游戲低維稠密向量構成的矩陣；Δt_k：表示所有用戶的第k個游戲到第k+1個游戲之間的間隔時間構成的向量；d_k：表示所有用戶的第k個游戲的持續時間構成的向量；I_k和D_k：分別表示第k個游戲所對應的間隔時間門和第k個游戲所對應的持續時間門；和分別表示x_k在間隔時間門和持續時間門中的權重矩陣；和分別表示Δt_k和d_k的權重矩陣；和分別表示間隔時間門和持續時間門偏置；和表示sigmoid函數；和表示雙曲正切函數；

步驟(4)構建主要模型；

其中c_k：表示傳統的LSTM的cell，里面存儲著之前的序列信息；和分別表示在c_k結合了間隔時間和持續時間信息的新cell；h_k：模型在第k個神經單元的輸出；i_k和o_k：分別表示模型中的輸入門和輸出門；W_i，W_c和W_o：表示模型的輸入門，cell單元，輸出門的中x的權重矩陣；U_i，U_c和U_o：表示模型的輸入門，cell單元，輸出門中h_k的權重矩陣；P_i和P_o：表示模型的輸入門，輸出門中c_k的權重矩陣；b_i，b_c和b_o：表示模型的輸入門，cell單元和輸出門的偏置；σ_i和σ_o：表示sigmoid函數；σ_c和σ_h：表示雙曲正切函數；操作：表示向量的元素逐位相乘；

步驟(5)設置模型參數，進行訓練，并保存模型；

步驟(6)使用保存的模型對新用戶的用戶序列數據生成推薦。

2.根據權利要求1所述的基于時間信息和序列上下文的下一個游戲推薦方法，其特征在于：步驟(5)中的模型具體訓練步驟如下：

將預先訓練好的embedding向量讀入到模型的embedding層中，執行以下步驟：

7-1.將用戶游戲信息文件，用戶間隔時間信息文件和用戶持續時間信息文件同時讀入，如果有序列的長度超出了預設的最大長度Mlen，將其截斷；

7-2.驗證模型的每一個游戲是否和間隔時間，持續時間相對應；

7-3.將數據按照事先定義好的batch_size大小，分批輸入到模型中；

7-4.在模型開始訓練時，將c₀和h₀初始化為零矩陣；所有的權重向量按照正態分布進行隨機初始化；

7-5.用戶的游戲數據在輸入的時候，將其轉化為one-hot向量x_k；

7-6.用戶游戲數據在經過embedding層時，被轉化成低維稠密向量

7-7.用戶的間隔時間數據和持續時間數據分別按照batch_size的大小輸入到間隔時間門I_k和持續時間門D_k；

7-8.開始計算每一個模型輸出的值；并通過和游戲序列中真實的下一個游戲進行比較，計算損失函數，按照隨機梯度下降法對模型的權重參數進行學習和調整。