[發明專利]一種信息增強的緩解推薦用戶冷啟動問題的元學習方法

在審

• 申請號: 202110683807.X
• 申請日: 2021-06-21
• 公開（公告）號: CN113343094A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 吳國棟;畢海嬌;汪菁瑤;涂立靜;李景霞
• 申請（專利權）人: 安徽農業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06N3/04;G06N3/08;G06Q30/06
• 代理公司: 安徽合肥華信知識產權代理有限公司 34112
• 代理人: 余成俊

1.一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，包括以下步驟：

（1）、基于評論關系構建用戶、物品的鄰接矩陣，然后基于所述鄰接矩陣構建用戶-物品交互二部圖，所述用戶-物品交互二部圖中以用戶、物品分別作為節點；

（2）、根據物品自身的屬性特征生成物品節點的嵌入向量，并利用聚合方法生成用戶節點的嵌入向量；

（3）、對所述用戶-物品交互二部圖進行采樣以構建元學習任務的數據集；

（4）、利用bert模型從用戶對物品的評論文本中提取用戶偏好信息；

（5）、搭建全連接網絡作為推薦模型，向推薦模型中加入所述用戶節點的偏好信息，并采用步驟（3）得到的數據集訓練所述推薦模型，基于訓練結果將推薦模型的全局參數更新至最優參數；

（6）、使用全局參數為最優參數的推薦模型，對新用戶進行物品推薦。

2.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（1）中，獲取用戶對物品的評論文本，基于評論文本得到用戶、物品的評論關系。

3.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（1）中，用戶-物品交互二部圖以所述鄰接矩陣作為用戶-物品交互二部圖的邊。

4.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（2）中，根據物品自身的屬性特征生成物品節點的嵌入向量。

5.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（2）中，利用聚合函數聚合用戶-物品交互二部圖中每個用戶的鄰居物品節點蘊含的信息，以生成用戶節點的嵌入向量。

6.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（3）中，所述元學習任務的數據集包括支持集和查詢集，分別對應傳統機器學習任務數據集中的訓練集和測試集，其中：

在所述用戶-物品交互二部圖選取部分用戶節點，對選取的每個用戶分別隨機采樣多個一階鄰居，即為每個用戶節點選取一階的鄰居作為歷史交互物品，由此構成元訓練任務的訓練數據集即支持集；

在為每個用戶采樣支持集的過程中，對用戶未采樣過一階鄰居進行采樣，構成元訓練任務的測試數據集即查詢集，保證支持集和查詢集的相互獨立，防止數據窺探偏誤。

7.根據權利要求1或6所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（4）的 bert模型中，首先對每個用戶的多個歷史交互物品生成評論文本的詞嵌入，然后利用語言模型對詞嵌入進行訓練，即使用bert模型中的雙向Transformer對詞嵌入進行特征提取，得到新的向量，將各個用戶得到的新向量進行拼接后，得到用戶偏好信息。

8.根據權利要求1所述的一種信息增強的緩解推薦用戶冷啟動問題的元學習方法，其特征在于，所述步驟（6）中，使用全局參數為最優參數的推薦模型，計算每個用戶與物品間的預測評分，根據預測評分對新用戶進行物品推薦。