[發明專利]基于膠囊網絡與交互注意力機制的評級預測方法及系統

有效

• 申請號: 202011552081.8
• 申請日: 2020-12-24
• 公開（公告）號: CN112699215B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 楊振宇;劉國敬;王皓
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/9535;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于膠囊網絡與交互注意力機制的物品推薦方法，其特征在于，包括：

獲取用戶評論數據和物品評論數據，分別構建用戶文檔和物品文檔；

將所述用戶文檔和物品文檔輸入預訓練的評級預測模型，獲得用戶-物品的評級預測結果；

其中，所述評級預測模型包括依次連接的內容編碼單元、交互注意力單元、反向動態路由單元以及預測單元，所述內容編碼單元分別提取用戶文檔和物品文檔的上下文特征；通過所述交互注意力單元學習用戶和物品的上下文特征之間細粒度的相關性；通過所述反向動態路由單元分別對用戶和物品的上下文特征進行聚合，獲得用戶及物品的方面膠囊表示與方面重要性指標；

所述交互注意力單元學習用戶和物品的上下文特征之間細粒度的相關性的具體步驟包括：

通過線性的方式將用戶和物品的原始上下文特征映射到若干不同頭的低維特征子空間中；

通過在多個子空間中分別計算用戶和物品上下文特征的注意力權值來捕獲在不同粒度下用戶和物品的交互；

將所有子空間學習到的用戶和物品注意力上下文進行拼接，從而得到用戶和物品之間細粒度的相關性信息；

所述反向動態路由單元通過讓輸出的方面膠囊有選擇地從用戶和物品上下文特征中分別獲取與自身方面相關的信息以及信息的比例，將用戶和物品注意力上下文進行進一步的聚合生成方面膠囊，分別得到用戶和物品的方面膠囊和方面重視程度向量。

2.如權利要求1所述的一種基于膠囊網絡與交互注意力機制的物品推薦方法，其特征在于，所述內容編碼單元提取用戶文檔和物品文檔的上下文特征的具體步驟包括：將用戶文檔和物品分別送入到相同的嵌入層、局部注意力層和卷積層來進行上下文編碼，獲得用戶和物品的上下文特征。

3.如權利要求1所述的一種基于膠囊網絡與交互注意力機制的物品推薦方法，其特征在于，所述反向動態路由單元輸出的方面膠囊可以表示方面特征，同時，其向量長度可以表示用戶的重視程度。

4.如權利要求1所述的一種基于膠囊網絡與交互注意力機制的物品推薦方法，其特征在于，所述評級預測模塊包括方面重要性計算和用戶-物品對的評價推斷。

5.如權利要求1所述的一種基于膠囊網絡與交互注意力機制的物品推薦方法，其特征在于，所述預測單元的具體公式如下所示:

其中，b_u，b_i，b₀分別代表用戶，物品和全局的偏置，是預測的評級得分；參數M表示方面膠囊的數量，t表示第t個的膠囊表示，β_u,a和β_i,a表示用戶和物品的方面膠囊表示V_u和V_i，p_u,a和q_i,a表示方面重要性a_u和a_i。