[發明專利]基于反饋感知的局部與全局模型的推薦方法、終端及介質

在審

• 申請號: 202111497038.0
• 申請日: 2021-12-08
• 公開（公告）號: CN114490784A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 何銘凱;林晶;駱錦濰;潘微科;明仲
• 申請（專利權）人: 深圳大學
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06Q50/06
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

1.一種基于反饋感知的局部與全局模型的推薦方法，其特征在于，所述基于反饋感知的局部與全局模型的推薦方法包括以下步驟：

通過反饋感知的自注意力模型捕捉目標對象的局部偏好；

根據位置注意力層和所述局部偏好進行全局偏好學習，并捕捉所述目標對象的全局偏好；

通過自注意力機制和局部意圖模型進行學習，并對所述目標對象的真實意圖進行建模，得到真實意圖模型；

根據所述真實意圖模型、所述局部偏好以及所述全局偏好進行預測，得到所述目標對象的下一行為預測結果。

2.根據權利要求1所述的基于反饋感知的局部與全局模型的推薦方法，其特征在于，所述通過反饋感知的自注意力模型捕捉目標對象的局部偏好，之前包括：

將預設物品序列轉換為物品嵌入矩陣：

其中，表示物品相關的潛在特征向量；

根據與位置相關的潛在特征向量對每個時間步的位置信息進行建模，得到位置嵌入矩陣：

使用逐元素的加法融合每個時間步上的物品信息和位置信息，并將得到的向量表示為

3.根據權利要求2所述的基于反饋感知的局部與全局模型的推薦方法，其特征在于，所述通過反饋感知的自注意力模型捕捉目標對象的局部偏好，之前還包括：

根據得到的向量確定局部偏好學習模塊的輸入矩陣：

將所述輸入矩陣輸入至堆疊的反饋感知自注意力層中：

4.根據權利要求3所述的基于反饋感知的局部與全局模型的推薦方法，其特征在于，所述通過反饋感知的自注意力模型捕捉目標對象的局部偏好，之前還包括：

確定所述反饋感知自注意力層中的反饋信息：

Q,K,V＝FIL(X)；

其中，為逐元素的乘法；

M_e∈R^L×d為瀏覽行為的掩碼矩陣；

M_p∈R^L×d為購買行為的掩碼矩陣；

W_eq∈R^d×d、W_ek∈R^d×d以及W_ev∈R^d×d均為所述瀏覽行為的投影矩陣；

W_pq∈R^d×d、W_pk∈R^d×d以及W_pv∈R^d×d均為所述購買行為的投影矩陣；

根據所述反饋信息確定所述反饋感知自注意力層的表達式：

其中，Q∈R^d×d為查詢矩陣；

K∈R^d×d為鍵矩陣；

V∈R^d×d為值矩陣；

Δ為因果掩碼矩陣。

5.根據權利要求4所述的基于反饋感知的局部與全局模型的推薦方法，其特征在于，所述通過反饋感知的自注意力模型捕捉目標對象的局部偏好，包括：

將所述反饋感知自注意力層中的反饋信息輸入至前饋層中：

FFL(X')＝ReLU(X'W₁+1^Tb₁)W₂+1^Tb₂；

其中，W₁∈R^d×d和W₂∈R^d×d分別為第一層神經網絡和第二層神經網絡的權重；

b₁∈R^1×d和b₂∈R^1×d分別為第一層神經網絡和第二層神經網絡的偏置；

1∈R^1×L為全1向量；

ReLU為非線性激活函數；

根據所述前饋層的輸入得到局部偏好：

其中，為從第B層的FSAB得到的目標對象u在時間步的局部偏好。