[發明專利]一種基于對抗哈希的物品推薦方法

有效

• 申請號: 202110650234.0
• 申請日: 2021-06-10
• 公開（公告）號: CN113377973B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 楊陽;何仕遠;許啟迪;賓燚
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/45;G06F16/483;G06V20/00;G06V10/46;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 四川鼎韜律師事務所 51332
• 代理人: 溫利平

1.一種基于對抗哈希的物品推薦方法，其特征在于，包括以下步驟：

(1)、提取物品的深度學習特征圖

對物品的圖片或視頻進行預處理，然后送入卷積神經網絡進行特征提取，得到物品的D維的深度學習特征圖c_i，i＝1，2，…N，N為物品的數量，深度學習特征圖c_i為行向量；

(2)、獲取物品的潛在向量

將物品的深度學習特征圖c_i送入物品哈希網絡中，首先進行哈希函數映射，將視覺上相似的物品通過哈希函數映射到同一個桶(bucket)中，哈希函數為一個兩層感知器h，得到特征向量b_i：

b_i＝sgn(h(c_i))

其中，h()表示哈希函數，將深度學習特征圖c_i映射為L維，如果某一維大于0，則符號函數sgn()返回1，否則返回0；這樣，特征向量b_i表示為：

特征向量b_i為二進制multi-hot為物品的新“ID”，所有N個物品的特征向量b_i按行依次放置，構成矩陣B_N×L；

然后，將矩陣B_N×L與特征嵌入矩陣Q_L×K相乘，得到物品潛在矩陣H_N×K，其中，第i個物品對應的特征向量為h_i(為物品潛在矩陣H_N×K的第i行)，即物品的潛在向量h_i；

(3)、獲取物品的視覺嵌入向量

對物品的深度學習特征圖c_i送入視覺嵌入生成器，得到視覺嵌入v_i：

v_i＝(E_K×D·c_i^T)^T

其中，T表示轉置，E_K×D為視覺嵌入生成器的參數；

(4)、訓練物品哈希網絡

將物品的潛在向量h_i與視覺嵌入v_i送入模態判別器進行判別，根據判別結果，采用反向傳播，對物品哈希網絡進行對抗訓練，使模態判別器無法判別輸入來自物品哈希網絡還是視覺嵌入生成器；

(5)、物品推薦

將物品的深度學習特征圖送入訓練好的物品哈希網絡中，得到物品的潛在向量h_i，并與視覺嵌入v_i一并送入預測模型中進行預測，得到物品i對于用戶u的預測值

其中：

p_u＝u·P_M×K

其中，u為表示用戶的行向量(用戶向量)，用戶數量為M，根據用戶編號確定用戶向量對應位為1，其余的都為0，p_u為用戶潛在向量，P_M×K為用戶嵌入矩陣；

根據預測值的大小進行排序，向用戶u進行物品推薦。