[發明專利]一種用戶興趣偏好捕獲方法

有效

• 申請號: 202110043271.5
• 申請日: 2021-01-13
• 公開（公告）號: CN112733030B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 吳大鵬;郭嘉琪;李職杜;唐桐;張鴻;王汝言
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種用戶興趣偏好捕獲方法，其特征在于：所述方法使用融合用戶經驗直覺與邏輯推理的雙認知過程構建興趣偏好捕獲系統，通過該興趣偏好捕獲系統并行學習用戶的歷史交互序列數據，挖掘其歷史交互行為的動態變化與順序聯系，捕獲下一時刻用戶的興趣偏好；該方法包括以下步驟：

S1、數據輸入：使用按時間順序構造的每個用戶MN次歷史交互組成的序列X作為輸入，并且對于少于MN次交互的用戶，在其序列的開頭用零填充；

S2、數據處理：從歷史交互序列數據中的第二個項開始，計算用戶歷史交互序列中當前項與其前后項之間的相似度，通過比較兩者之間的大小劃分同質序列，并將劃分后的每一個序列嵌入為低維張量；

S3、潛在興趣偏好捕獲：利用雙線性乘積模塊學習用戶的二階興趣偏好，同時利用多頭注意力機制分別與卷積神經網絡模塊和全局池化模塊結合學習用戶的局部與全局興趣偏好，再拼接重組上述雙線性乘積模塊、卷積神經網絡模塊和全局池化模塊的輸出的特征張量進而獲得下一時刻用戶的潛在興趣偏好；具體如下：

S31、在潛在興趣偏好捕獲階段，將同質序列嵌入矩陣E_M輸入到雙線性乘積模塊中學習用戶的二階興趣偏好特征矩陣F_dl＝[e_i·W_ij⊙e_j]，其中W_ij為所有字段嵌入向量相互作用間共享的參數矩陣，e_i與e_j分別為嵌入操作后的每一個項的向量表示；

S32、在潛在興趣偏好捕獲階段，將同質序列嵌入矩陣E_M輸入到多頭注意力模塊中早期融合興趣特征輸出加權矩陣F_a＝concat(H₁,H₂,…,H_k)W^O，其中W^O為附加的權重矩陣，H_i為每個注意頭輸出的興趣偏好子空間；

S33、將早期融合興趣特征輸出加權矩陣F_a經過兩層全連接層后輸出高度擬合矩陣F_aff；

S34、確定卷積神經網絡階段卷積層中的卷積核大小C^l與池化層中的滑動窗口大小P^l；

S35、重置第一層卷積層的輸入，執行卷積與池化操作直至循環結束；

S36、將最后一層池化層的輸出作為局部興趣偏好特征矩陣F_mp；

S37、利用與輸入特征矩陣相同大小的滑動窗口求得全局興趣偏好特征矩陣F_gp；

S38、將步驟S31、步驟S36與步驟S37輸出的特征矩陣進行拼接，輸出下一階段用戶潛在興趣偏好I_c＝concat(F_dl,F_mp,F_gp)；

S4、動態興趣偏好捕獲：利用卷積神經網絡提取各個同質序列包含的興趣點，通過層間抽樣構建用戶的興趣偏好進化圖，將圖映射為興趣序列并輸入到雙掩蔽門控循環單元中學習下一時刻用戶的動態興趣偏好；具體如下：

S41、利用卷積神經網絡的卷積層與池化層提取每個同質序列嵌入矩陣E_k所包含的興趣節點集合并作為第k層的節點，其中a_k為第k層興趣節點的總數；

S42、利用最佳采樣器采樣下層節點并構建動態興趣偏好進化圖G，最佳采樣器定義為：

其中，為給定k層節點采樣k'層節點的概率，是基于節點特征計算的自相關函數；

S43、利用映射函數map_gs將G＝(V,E)映射為具有可變長度的興趣偏好序列集合S＝map_gs(G,S_k)＝{S₁,…,S_M}；

S44、利用雙掩蔽門控循環單元學習序列中節點之間的互連方式，從而捕獲下一序列中的節點如何鏈接到之前的節點；

S45、通過轉移函數更新所有興趣偏好序列得到下一階段用戶的動態興趣偏好

S5、興趣偏好融合：將步驟S3與步驟S4捕獲到的用戶潛在興趣偏好與動態興趣偏好融合，輸出下一時刻用戶的興趣偏好，完成整個興趣偏好特征捕獲過程。