[發(fā)明專利]一種聚焦于用戶核心興趣的序列推薦方法及裝置

在審

• 申請?zhí)枺?/td>: 202210024433.5
• 申請日: 2022-01-06
• 公開（公告）號: CN114461906A
• 公開（公告）日: 2022-05-10
• 發(fā)明（設(shè)計）人: 艾正陽;王樹鵬;賈思宇;王振宇;王勇
• 申請（專利權(quán)）人: 中國科學(xué)院信息工程研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京君尚知識產(chǎn)權(quán)代理有限公司 11200
• 代理人: 余長江

1.一種聚焦于用戶核心興趣的序列推薦方法，其步驟包括：

獲取用戶與項目的交互序列以及所述交互序列中每個交互行為對應(yīng)的時間戳；

結(jié)合所述時間戳，獲取所述交互序列的嵌入矩陣；

對所述嵌入矩陣進行自注意力計算，得到每一查詢q_i對于所有鍵的注意力值概率分布p，并通過設(shè)置一縮放指數(shù)函數(shù)，計算每一查詢q_i的預(yù)先定義固定默認概率分布q；

根據(jù)注意力值概率分布p與預(yù)先定義固定默認概率分布q的相似性，得到各查詢q_i的活躍性度量；

基于所述活躍性度量分別計算各鍵的注意力值，以構(gòu)建自注意力矩陣；

依據(jù)所述自注意力矩陣，得到所述用戶的項目推薦結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，通過以下步驟獲取所述交互序列的嵌入矩陣：

1)將所述交互序列轉(zhuǎn)化為固定長度為l的檢測序列；

2)基于所述時間戳與所述檢測序列，構(gòu)建時間戳序列；

3)對于檢測序列中的每一個項目，通過一維卷積濾波器映射為向量X_i，并將各向量X_i疊加，得到項目嵌入矩陣；

4)根據(jù)所述檢測序列中各項目的位置，得到位置嵌入矩陣；

5)通過計算時間戳序列中各時間戳之間的時間間隔，得到時間間隔嵌入矩陣；

6)基于所述項目嵌入矩陣、位置嵌入矩陣與時間間隔嵌入矩陣，獲取所述交互序列的嵌入矩陣。

3.如權(quán)利要求2所述的方法，其特征在于，通過以下步驟得到時間間隔嵌入矩陣：

1)獲取各時間戳之間的時間間隔中的最短時間間隔；

2)將各時間間隔除以最短時間間隔，得到個性化時間間隔；

3)基于個性化時間間隔，構(gòu)建長度為l-1的時間間隔序列；

4)在該長度為l-1的時間間隔序列的最右側(cè)填充0至長度為l后，經(jīng)投影和疊加，得到時間間隔嵌入矩陣。

4.如權(quán)利要求1所述的方法，其特征在于，計算所述相似性的方法包括：使用KL散度進行衡量。

5.如權(quán)利要求1所述的方法，其特征在于，活躍性度量其中K代表鍵、L_K×d為鍵K的維度，k_j為鍵K的第j行向量，μ是控制最近行為重要性的常量。

6.如權(quán)利要求1所述的方法，其特征在于，通過以下步驟構(gòu)建自注意力矩陣：

1)基于各查詢q_i的活躍性度量，獲取每個鍵關(guān)注的活躍查詢；

2)計算所述活躍查詢的自注意力值；

3)對于不活躍查詢，使用預(yù)先定義固定默認概率分布q作為自注意力值；

4)將活躍查詢與不活躍查詢的自注意力值，按照原始位置重新組合，得到自注意力矩陣。

7.如權(quán)利要求1所述的方法，其特征在于，訓(xùn)練構(gòu)建自注意力矩陣的自注意力網(wǎng)絡(luò)時，通過兩層前饋神經(jīng)網(wǎng)絡(luò)進行參數(shù)反饋。

8.如權(quán)利要求1所述的方法，其特征在于，通過以下步驟得到所述用戶的項目推薦結(jié)果：

1)通過層歸一化方法、殘差連接方法和dropout方法對自注意力矩陣進行處理，得到用戶興趣表示；

2)基于用戶興趣表示與各項目的項目嵌入矩陣，計算用戶對各項目的偏好分數(shù)；

3)根據(jù)所述偏好分數(shù)對各項目進行排序，并將分數(shù)最高的若干項目作為項目推薦結(jié)果。

9.一種存儲介質(zhì)，所述存儲介質(zhì)中存儲有計算機程序，其中，所述計算機程序被設(shè)置為運行時執(zhí)行權(quán)利要求1-8中任一所述方法。

10.一種電子裝置，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(shè)置為運行所述計算機程序以執(zhí)行如權(quán)利要求1-8中任一所述方法。