[發明專利]基于注意力的多視角特征融合跨域推薦方法及裝置在審
| 申請號： | 202110896075.2 | 申請日： | 2021-08-05 |
| 公開（公告）號： | CN113806630A | 公開（公告）日： | 2021-12-17 |
| 發明（設計）人： | 代飛飛;古曉艷;王卓;李波;錢明達;王偉平 | 申請（專利權）人： | 中國科學院信息工程研究所 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06F16/9536;G06K9/62 |
| 代理公司： | 北京君尚知識產權代理有限公司 11200 | 代理人： | 陳艷 |
| 地址： | 100093 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 注意力 視角 特征 融合 推薦 方法 裝置 | ||
1.一種基于注意力的多視角特征融合跨域推薦方法，其步驟包括：
1)提取源域與目標域之間的公共用戶，并在源域與目標域中，分別構建公共用戶-物品歷史交互記錄的第一訓練集與第二訓練集，其中第一訓練集與第二訓練集分別包含若干正樣本及若干負樣本；
2)基于第一訓練集與第二訓練集，分別提取公共用戶在源域的域特性特征公共用戶與物品在目標域的域特性特征與域特性特征IT、公共用戶與物品在源域與目標域之間的潛在可遷移特征與潛在可遷移特征并進行相應的特征融合，得到公共用戶融合特征U′T及物品融合特征I′T；
3)基于公共用戶融合特征U′T、物品融合特征I′T及相應樣本標識進行訓練，并在得出最優模型的基礎上，利用第一訓練集與第二訓練集得到最優偏好預測集；
4)利用最優偏好預測集，對公共用戶進行目標域中的物品推薦。
2.如權利要求1所述的方法，其特征在于，提取域特性特征域特性特征域特性特征IT、潛在可遷移特征或潛在可遷移特征的方法包括：構建異質信息網絡，并利用Node2vec模型進行特征提取。
3.如權利要求1所述的方法，其特征在于，通過以下步驟得到公共用戶融合特征U′T：
1)將域特性特征域特性特征及潛在可遷移特征輸入基于注意力的多維度特征融合層，通過一個多層的注意力網絡來獲取相應的權重；
2)依據所述權重，對域特性特征域特性特征及潛在可遷移特征進行加權融合，得到公共用戶融合特征U′T。
4.如權利要求1所述的方法，其特征在于，公共用戶融合特征其中表示源域中公共用戶域特性特征的權值矩陣，表示目標域中公共用戶域特性特征的權值矩陣。
5.如權利要求1所述的方法，其特征在于，物品融合特征其中WT表示目標域中物品域特性特征的權值矩陣。
6.如權利要求1所述的方法，其特征在于，通過以下步驟得到最優模型的輸出：
1)將公共用戶融合特征U′T及物品融合特征I′T輸入偏好預測層，其中偏好預測層的結構包括：一多層感知機；
2)利用多層感知機學習公共用戶與物品之間的高階非線性特征交互關系，獲取最優模型的輸出。
7.如權利要求1所述的方法，其特征在于，訓練最優模型時，使用的損失函數包括：交叉熵損失函數。
8.一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行權利要求1-7中任一所述方法。
9.一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行如權利要求1-7中任一所述方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國科學院信息工程研究所，未經中國科學院信息工程研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110896075.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種背光結構、顯示模組及顯示屏
- 下一篇：倉庫拆分中圖片信息獲取方法及裝置
