[發(fā)明專(zhuān)利]基于用戶(hù)畫(huà)像聚類(lèi)的協(xié)同過(guò)濾推薦方法、系統(tǒng)及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011114490.X
• 申請(qǐng)日: 2020-10-16
• 公開(kāi)（公告）號(hào): CN112307332B
• 公開(kāi)（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 尚天淇;彭德中
• 申請(qǐng)（專(zhuān)利權(quán)）人: 四川大學(xué)
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F16/9536;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶智慧之源知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50234
• 代理人: 高彬

1.一種基于用戶(hù)畫(huà)像聚類(lèi)的協(xié)同過(guò)濾推薦方法，其特征在于，包括：

S1：獲取用戶(hù)數(shù)據(jù)，包括屬性數(shù)據(jù)、歷史行為數(shù)據(jù)和近期行為數(shù)據(jù)；

S21：對(duì)所述屬性數(shù)據(jù)采用One-Hot方法進(jìn)行編碼，并采用Concat進(jìn)行融合，形成表征用戶(hù)屬性；

S22：采用兩個(gè)并聯(lián)的LSTM網(wǎng)絡(luò)分別對(duì)所述近期行為數(shù)據(jù)和所述歷史行為數(shù)據(jù)進(jìn)行編碼，并采用Attention神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)融合，形成表征用戶(hù)行為；

S23：對(duì)所述表征用戶(hù)屬性和所述表征用戶(hù)行為采用Attention神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)融合，形成用戶(hù)表征信息；

其中步驟S22和S23中，采用Attention神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)融合包括：

所述Attention神經(jīng)網(wǎng)絡(luò)對(duì)兩個(gè)輸入p₁、p₂進(jìn)行數(shù)據(jù)自適應(yīng)融合，網(wǎng)絡(luò)層數(shù)為N，融合公式如下：

α＝σ(W^m[p₁,p₂]+b_m)

p＝α·p₁+(1-α)p₂

式中，W^m為網(wǎng)絡(luò)第m層的權(quán)重，b_m為網(wǎng)絡(luò)第m層偏置項(xiàng)，所述m小于等于所述N，σ為激活函數(shù)，p₁、p₂分別為Attention神經(jīng)網(wǎng)絡(luò)的輸入，所述α為Attention神經(jīng)網(wǎng)絡(luò)輸出；當(dāng)對(duì)行為數(shù)據(jù)進(jìn)行融合時(shí)，所述p₁、p₂分別為所述近期行為數(shù)據(jù)和所述歷史行為數(shù)據(jù)，所述p為所述表征用戶(hù)行為；當(dāng)對(duì)所述表征用戶(hù)屬性和所述表征用戶(hù)行為進(jìn)行融合時(shí)，所述p₁、p₂分別為所述表征用戶(hù)屬性和所述表征用戶(hù)行為， 所述p為所述用戶(hù)表征信息；

S3：對(duì)所述用戶(hù)表征信息進(jìn)行降維壓縮，形成低維用戶(hù)畫(huà)像；

S4：采用聚類(lèi)方法對(duì)所述低維用戶(hù)畫(huà)像進(jìn)行聚類(lèi)，形成用戶(hù)興趣簇；

S5：對(duì)目標(biāo)用戶(hù)，在其所在的興趣簇內(nèi)采用基于協(xié)同過(guò)濾方法對(duì)其進(jìn)行推薦。

2.如權(quán)利要求1所述的基于用戶(hù)畫(huà)像聚類(lèi)的協(xié)同過(guò)濾推薦方法，其特征在于，所述S22采用兩個(gè)并聯(lián)的LSTM網(wǎng)絡(luò)分別對(duì)所述近期行為數(shù)據(jù)和所述歷史行為數(shù)據(jù)進(jìn)行編碼包括：

所述LSTM網(wǎng)絡(luò)的工作過(guò)程可公式描述為：

f_k＝σ(x_kW_f+h_k-1U_f+b_f)

i_k＝σ(x_kW_i+h_k-1U_i+b_i)

c_k＝f_k⊙c_k-1+i_k⊙φ(x_kW_c+h_k-1U_c+b_c)

o_k＝σ(x_kW_o+h_k-1U_o+b_o)

h_k＝o_k⊙φ(c_k)

其中，所述h_k為第k個(gè)項(xiàng)目的hidden state，W_*為權(quán)重，U_*為h_k的權(quán)重，f_k、i_k、o_k分別為遺忘門(mén)、輸入門(mén)和輸出門(mén)，c_k為cell state，x_k為輸入，⊙為點(diǎn)乘，b_*為網(wǎng)絡(luò)偏置項(xiàng)，σ為激活函數(shù)，φ為tanh函數(shù)。