[發明專利]一種推薦方法及系統

在審

• 申請號: 202010577298.8
• 申請日: 2020-06-22
• 公開（公告）號: CN111737578A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 王小明;蓋枚嶺;龐光垚;王亮;王新燕;林亞光
• 申請（專利權）人: 陜西師范大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958;G06N3/04;G06N3/08;G06Q30/02
• 代理公司: 北京前審知識產權代理有限公司 11760
• 代理人: 張波濤;尹秀峰

1.一種推薦方法，包括如下步驟：

S100：將原始數據轉化為數值數據，將大規模稀疏特征轉化為低維密集特征；

S200：獲得用戶的興趣表示；

S300：分別提取用戶和項目的高階特征交互和低階特征交互，基于線性的全局注意力機制監視高階特征交互和低階特征交互對于點擊率預測的不同貢獻；

S400：預測用戶是否點擊候選項，最終完成向用戶推薦項目。

2.根據權利要求1所述的方法，步驟S100進一步包括，優選的，

S101：采用獨熱編碼對原始數據進行向量化；

S201：通過建立一個映射函數，將高維稀疏向量映射成低維稠密向量。

3.根據權利要求1所述的方法，步驟S200進一步包括，

采用局部注意力機制來學習用戶的興趣表示。

4.根據權利要求1所述的方法，步驟S300進一步包括：

S301：利用三層感知器來捕獲用戶和項目的高階特征交互；

S302：利用因子分解機組件來捕獲用戶和項目的低階特征交互；

S303：利用基于線性的全局注意力機制使所述用戶和項目的高階特征交互和低階特征交互發揮不同的作用。

5.根據權利要求4所述的方法，步驟S301進一步包括：

所述三層感知器是三層全連接層網絡，包括輸入層、隱層和輸出層。

6.一種推薦系統，包括特征向量化層、興趣提取層、特征提取層和預測層；其中，

所述特征向量化層將原始數據轉化為數值數據，將大規模稀疏特征轉化為低維密集特征；

所述興趣提取層獲得用戶的興趣表示；

所述特征提取層分別提取用戶和項目的高階特征交互和低階特征交互，基于線性的全局注意力機制監視高階特征交互和低階特征交互對于點擊率預測的不同貢獻；

所述預測層預測用戶是否點擊候選項，最終完成向用戶推薦項目。

7.根據權利要求6所述的系統，所述特征向量化層進一步包括，

用于采用獨熱編碼對原始數據進行向量化的裝置；

用于通過建立一個映射函數，將高維稀疏向量映射成低維稠密向量的裝置。

8.根據權利要求6所述的系統，所述興趣提取層進一步包括，

用于采用局部注意力機制來學習用戶的興趣表示的裝置。

9.根據權利要求6所述的系統，所述特征提取層進一步包括：

用于利用三層感知器來捕獲用戶和項目的高階特征交互的裝置；

用于利用因子分解機組件來捕獲用戶和項目的低階特征交互的裝置；

用于利用基于線性的全局注意力機制使所述用戶和項目的高階特征交互和低階特征交互發揮不同的作用的裝置。

10.根據權利要求9所述的系統，其中，所述三層感知器是三層全連接層網絡，包括輸入層、隱層和輸出層。