[發明專利]一種基于多興趣膠囊網絡的會話推薦方法

在審

• 申請號: 202110034127.5
• 申請日: 2021-01-12
• 公開（公告）號: CN112765461A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 顧盼
• 申請（專利權）人: 中國計量大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于多興趣膠囊網絡的會話推薦方法。該方法建立一個模型對當前會話進行建模，并預測用戶點擊目標物品的概率。很多方法用一個向量來表示用戶的興趣，這樣是遠遠不夠的。用戶在一個會話中，不一定只有一個興趣，可能有多種興趣。因此，本方法提出多興趣膠囊網絡方法，方法向前傳播部分主要由二個部分組成：第一部分是根據用戶當前會話中的物品序列，采用多興趣膠囊網絡生成用戶的多興趣表征。本方法將膠囊網絡中的信息融合部分算法改成序列算法，且該序列算法的輸入的權重不同。所以本方法進一步改進門控循環單元網絡的神經元單元，來處理權重不同的輸入序列。第二部分是根據用戶多興趣表征，預測用戶對目標物品的點擊率。

技術領域

本發明屬于互聯網服務技術領域，尤其是涉及一種基于多興趣膠囊網絡的會話推薦方法。

背景技術

隨著在線服務的發展和流行，在線平臺記錄著大量的用戶行為數據。從海量數據中找出用戶最感興趣的物品并推薦給用戶，可以極大地提升用戶的滿意度和公司的收益。此時，推薦系統顯得非常重要。推薦系統可以從海量物品中挖掘出用戶最喜歡的物品。

傳統的方法，例如基于內容的推薦方法和協同過濾方法，僅僅捕捉到用戶的靜態交互信息。實際上，用戶的屬性和交互活動是不斷地更新的，這種序列數據反映出用戶興趣的變化性。因此，基于序列數據的推薦系統吸引了越來越多的關注，會話推薦方法正是一種基于序列數據的推薦方法。會話是一段時間內的用戶交互序列，可以及時捕捉到用戶興趣的動態變化。很多方法用一個向量來表示用戶的興趣，這樣是遠遠不夠的。用戶在一個會話中，不一定只有一個興趣，可能有多種興趣。

本方法用膠囊網絡(capsule network)從當前會話的物品序列中抽取出用戶的多興趣，膠囊網絡最先是在2017年由Hinton在圖像視覺領域中提出并使用。膠囊網絡應用在圖像領域中時，網絡的輸入是圖像中的塊(patch),而塊之間不具有序列性。但是用戶會話中的物品序列具有時間先后性，且物品之間的先后依賴關系明顯。所以處理無序輸入的原始膠囊網絡并不適用于有序序列。本方法將對原始膠囊網絡進行改進，并應用于物品推薦領域。

發明內容

本方法是一種基于會話的物品點擊率預測方法，也就是建立一個模型對當前會話進行建模，并預測用戶點擊目標物品的概率。很多方法用一個向量來表示用戶的興趣，這樣是遠遠不夠的。用戶在一個會話中，不一定只有一個興趣，可能有多種興趣。本方法用膠囊網絡(capsule network)從當前會話的物品序列中抽取出用戶的多興趣，膠囊網絡最先是在2017年由Hinton在圖像視覺領域中提出并使用。膠囊網絡應用在圖像領域中時，網絡的輸入是圖像中的塊(patch),而塊之間不具有序列性。但是用戶會話中的物品序列具有時間先后性，且物品之間的先后依賴關系明顯。所以處理無序輸入的原始膠囊網絡并不適用于有序序列。為此，本發明采用以下技術方案：

一種基于多興趣膠囊網絡的會話推薦方法，包括以下步驟：

根據用戶當前會話中的物品序列，采用多興趣膠囊網絡生成用戶的多興趣表征。對于一個用戶會話可以表示為X＝[x₁,…,x_l]，其中是物品向量特征，通過模型訓練得到，d是特征向量長度。采用多興趣膠囊網絡從物品序列中抽取出用戶多興趣，多興趣膠囊網絡的低層(low layer)是物品，高層(high layer)是興趣。得到用戶多興趣表征的偽代碼為：