[發明專利]基于局部和全局信息融合的群組推薦方法、系統及設備

在審

• 申請號: 202110409132.X
• 申請日: 2021-04-16
• 公開（公告）號: CN112925994A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 章頌;鄭楠;王丹力
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F40/30
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于深度學習領域，具體涉及了一種基于局部和全局信息融合的群組推薦方法、系統及設備，旨在解決現有的群組推薦方法僅從群體和用戶之間的單一交互中學習群組的表示，無法考慮全面信息的群組推薦的問題。本發明包括：通過但類型聚合注意力模塊分別獲取含有用戶語義特征信息的項目表示、含有用戶語義特征信息的群組表示和含有項目語義特征信息的群組表示，進而獲取項目的最終表示；通過獲取群組的局部特征表示和全局特征表示并將其進行信息融合獲得群組的最終表示，進而計算目標群組對項目的偏好值，基于偏好值進行排序，生成項目推薦列表。本發明通過深度學習和注意力機制實現了組內的全局表示，融合全局和局部信息，提高了群組推薦的準確度。

技術領域

本發明屬于深度學習領域，具體涉及了一種基于局部和全局信息融合的群組推薦方法、系統及設備。

背景技術

近年來，隨著社交網絡的發展，群組活動變得越來越受歡迎。

群組推薦系統也已應用于各種領域，例如電子商務，娛樂，社交媒體，旅游業等。

與傳統的個性化推薦不同，群組推薦的目的是為尋找目標群組很可能感興趣的項。

隨著群組活動需求的不斷變化和對活動的要求不斷的提升，群組推薦系統也迫切需要快速地發展。

現有的基于深度學習的群體推薦方法主要存在以下兩個問題：

(1)群組活動中存在多種交互信息：用戶-群組、用戶- 項目、群組-項目交互，但是現有的方法大多集中在從單一的交互(群組-項目)中學習群組的表示，導致模型并不能夠充分的利用這些交互信息。

(2)目前尚沒有相關的群組推薦模型利用群組之外的全局信息，導致模型的推薦效果并不理想。

發明內容

為了解決現有技術中的上述問題，即現有的群組推薦方法僅從群體和用戶之間的單一的交互中學習群組的表示，無法考慮全面信息的群組推薦的問題，本發明提供了一種基于局部和全局信息融合的群組推薦方法，所述方法包括：

步驟S100，基于群組、用戶和項目的歷史交互記錄獲取用戶-項目交互視圖、群組-用戶交互視圖、群組-項目交互視圖；

步驟S200，基于所述用戶-項目交互視圖、群組-用戶交互視圖和群組-項目交互視圖，通過單類型聚合注意力模塊分別獲取含有用戶語義特征信息的項目表示含有用戶語義特征信息的群組表示和含有項目語義特征信息的群組表示

步驟S300，基于項目固有的語義特征信息v_i和含有用戶語義特征信息的項目表示通過多類型融合注意力模塊獲得項目的最終表示

步驟S400，基于群組固有的語義特征信息含有用戶語義特征信息的群組表示和含有項目語義特征信息的群組表示通過多類型融合注意力模塊獲得群組的局部特征表示

步驟S500，基于所述群組-項目交互視圖，通過單類型聚合注意力模塊，聚合目標群組g_l的γ個近鄰群組獲得群組的全局特征表示

步驟S600，通過所述群組固有的語義特征信息群組的局部特征表示和群組的全局特征表示通過多類型融合注意力模塊獲得群組的最終表示

步驟S700，基于所述項目的最終表示和群組的最終表示通過池化層獲得組合特征h₀，并通過預設數量個隱藏層獲取組合特征的非線性關系和高階交互關系h_e，通過全連接層獲得目標群組g_l對于項目v_l的偏好值；

步驟S800，基于所述目標群組g_l對于項目v_l的偏好值，對候選項目進行排序，為群組生成項目推薦列表。

在一些優選的實施方式中，所述單類型聚合注意力模塊中的權重計算公式為：