[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

本發明公開了一種基于注意力的多視角特征融合跨域推薦方法及裝置，包括利用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I_T、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進行融合；基于融合結果進行訓練；在最優模型的基礎上，獲取最優偏好預測集，以對公共用戶進行目標域中的物品推薦。本發明解決了源域和目標域之間潛在可遷移特征的捕獲問題，對不同類型的特征設置不同的權值，實現不同類型特征的有機結合和充分利用，進而提高推薦系統的性能。

技術領域

本發明屬于軟件技術領域，尤其涉及一種基于注意力的多視角特征融合跨域推薦方法及裝置。

背景技術

近年來，跨域推薦由于能夠緩解推薦系統中長期存在的數據稀疏問題和冷啟動問題而引起了研究學者的廣泛關注。跨域推薦的目的是利用源域的信息來豐富目標域，因此可以有效緩解目標域中的數據稀疏問題和冷啟動問題。例如，中國專利(申請號：CN202011605125.9，申請公布號：CN112699310A)首先獲取源域和目標域的數據，并對源域和目標域的數據進行篩選，獲取源域和目標域數據的公共用戶數據，將公共用戶數據作為訓練數據。然后，獲取訓練數據中公共用戶的基本信息以及評論數據，對基本信息及評論數據進行文本向量的轉換，生成文本向量并針對文本向量生成集合。緊接著，構建自編碼器對集合中的文本向量進行訓練，輸出公共用戶評分特征集合。將集合中的公共用戶評分特征進行串聯操作作為深度神經網絡的輸入，將公共用戶目標域的預測評分數據作為輸出，構建跨域推薦模型。最后，獲取預設量的公共用戶足跡數據，使用預設量的公共用戶足跡數據作為推薦數據，將推薦數據輸入跨域推薦模型運算，輸出對公共用戶的推薦物品。該方法通過學習源域到目標域的相關性非線性映射，為目標域提供推薦依據，可以有效緩解目標域中的數據稀疏問題和冷啟動問題。中國專利(申請號：CN201710188924.2，申請公布號：CN106951547A)首先對源域和目標域的數據進行處理，篩選出公共用戶。然后，將公共用戶在兩個域的數據進行融合，組成一個新的評分矩陣，并對分數進行均一化處理，借助用戶相似度計算公式進行計算。該方法可以完全依靠原有領域的數據計算用戶相似度，最終產生推薦，一定程度上解決了用戶冷啟動問題。該方法遷移公共用戶在源域中的數據到目標域中，增強目標域的數據豐富度，從而得到更為準確的個性化推薦結果。

但是現有跨域推薦方法側重于學習公共用戶的特征，并將這些特征從源域遷移到目標域，使得這類方法很難捕獲到源域和目標域之間的潛在可遷移特征。強行將源域中公共用戶的特征遷移到目標域有時不但不能增強目標域的數據豐富度，反而會引入噪音降低目標域的推薦準確度。例如，如果張三看過一部推理過程中涉及數學知識的懸疑電影，張三可能會對一本數學書感興趣。但是，現有方法無法在電影域和書籍域之間捕獲這種潛在的可遷移特征。現有方法可能會嘗試將電影域中電影的類型遷移到書籍域，向張三推薦一本懸疑小說。然而，如果張三看這部懸疑電影是因為喜歡電影中的某個演員，推薦懸疑小說給張三顯然是不合適的。

發明內容

針對現有跨域推薦方法的不足，本發明提出了一種基于多維度特征融合的跨域推薦方法及裝置。該方法首先構造3個不同的異質信息網絡G_S、G_T和G_ST，分別存儲源域的公共用戶-物品歷史交互記錄、目標域的公共用戶-物品歷史交互記錄以及源域和目標域公共用戶-物品歷史交互記錄的集合。然后，我們同時從3個不同的異質信息網絡G_S、G_T和G_ST中學習公共用戶和物品的特征。其中，源域和目標域之間的潛在可遷移特征是從異質信息網絡G_ST中獲取的，公共用戶和物品在各自域內的域特性特征分別是從異質信息網絡G_S和G_T中獲取的。從而，公共用戶和物品在不同域間的潛在可遷移特征以及各自域內的域特性特征可以共同作用進行目標域內推薦準確度的提高。接下來，我們設計了一種基于注意力的多維度特征融合算法，用來進行不同類型特征的有機結合。通過考慮不同類型特征的不同重要性，我們對這些特征進行充分地利用，從而向公共用戶推薦合適的物品。