[發明專利]一種基于用戶個性化建模的會話推薦方法、裝置及介質

在審

• 申請號: 202210354306.1
• 申請日: 2022-04-06
• 公開（公告）號: CN114862496A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 許勇;孫佳宇
• 申請（專利權）人: 華南理工大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/9535;G06F16/9537;G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 鄭宏謀

本發明公開了一種基于用戶個性化建模的會話推薦方法、裝置及介質，其中方法包括：獲取會話推薦數據集；將數據增強后的會話數據集建模為序列結構，并輸入到RNN網絡中，獲得初步會話向量化表示數據集；進行用戶意圖提取，得到表達用戶多意圖的會話向量化表示；提取會話向量化表示的全局信息和局部信息；融合提取的信息得到最終會話向量化表示；計算所述最終會話向量化表示與所述會話數據集中的所有物品計算余弦相似度，將相似度最高的物品作為推薦結果。本發明可以有效捕捉相似用戶的消費模式，使得新的推薦算法可以更有效地預測用戶的真實需求，從而給出更加準確的推薦結果，可廣泛應用于人工智能、深度學習及推薦系統技術領域。

技術領域

本發明涉及人工智能、深度學習及推薦系統技術領域，尤其涉及一種基于用戶個性化建模的會話推薦方法、裝置及介質。

背景技術

隨著互聯網上信息量的快速增長，對于廣大用戶來說，從龐大的信息海洋中查找到自己需要的信息是非常困難的；對于提供服務的網絡平臺來說，最終目的是提供用戶感興趣的內容，最大限度地留存用戶，從而提升平臺收益。而推薦系統成為幫助用戶緩解信息過載問題和在許多Web應用程序(例如搜索、電子商務和流媒體站點)中選擇感興趣的信息的基礎。會話推薦是推薦系統中一個專門的領域，大多數現有的推薦系統都假設不斷記錄用戶個人資料和過去的活動。然而，在許多服務中，用戶身份可能是未知的，并且只有正在進行的會話期間的用戶行為歷史是可用的。因此，在一個會話中對有限行為進行建模并相應地生成推薦非常重要。相反，在這種情況下，依賴于足夠的用戶-項目交互的傳統推薦方法在產生準確的會話推薦結果方面存在問題。但是通過引入深度學習技術，對大量的用戶行為進行分析和建模，可以在用戶信息匿名的情況下，僅根據用戶的若干次交互給出符合用戶和平臺需求的推薦結果。

現有的一種會話推薦技術中，通過將序列化的問題轉換為圖的問題，對所有的會話序列通過有向圖進行建模，然后通過圖神經網絡來學習每個商品的隱向量表示，進而通過一個注意力網絡架構模型來捕捉用戶的短期興趣，以達到捕獲長期與短期興趣共存的向量表示。該技術特點包括：(1)對會話數據進行預處理，將會話數據建模為圖結構的數據；(2)利用GNN模型對會話數據進行建模，得到會話向量表示；(3)使用最后的會話表示向量和商品的向量進行相似度計算，得到推薦結果。該技術的缺點是：(1)由于將會話數據建成圖，在一定程度上損失了序列的時序信息；(2)直接把序列連成圖結構表示，對序列中高階交互信息的建模過于簡單。

現有的另一種會話推薦技術中，通過循環神經網絡網絡對會話數據進行時序性建模，再利用注意力機制對序列中信息進行建模，得到會話的向量表示。該技術特點包括：(1)使用循環神經網絡，對商品序列進行時序性建模，可以得到更完整的會話向量表示。(2)著重考慮了序列中最后一個商品對于用戶意圖的重要性。該技術的缺點是：(1)沒有考慮用戶意圖的高階性；(2)對于用戶意圖的提取過于簡單，并沒有考慮用戶意圖的多樣性。

發明內容

為至少一定程度上解決現有技術中存在的技術問題之一，本發明的目的在于提供一種基于用戶個性化建模的會話推薦方法、裝置及介質。

本發明所采用的技術方案是：

一種基于用戶個性化建模的會話推薦方法，包括以下步驟：

獲取用戶在電商平臺的會話數據集，所述會話數據集包括物品信息、用戶購買時間戳以及用戶購買行為；

對所述會話數據集進行數據增強；

將數據增強后的會話數據集建模為序列結構，并輸入到RNN網絡中，獲得初步會話向量化表示數據集；

將所述初步會話向量化表示數據集中的會話存儲在歷史會話向量化表示內存中；

使用多意圖網絡進行用戶意圖提取，得到表達用戶多意圖的會話向量化表示h_interest；