[發(fā)明專利]面向跨域場景的雙重細粒度知識遷移系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210568362.5
• 申請日: 2022-05-23
• 公開（公告）號: CN115033783A
• 公開（公告）日: 2022-09-09
• 發(fā)明（設計）人: 朱燕民;臧天梓;張若涵;俞嘉地;唐飛龍
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06N3/04
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

1.一種面向跨域場景的雙重細粒度知識遷移系統(tǒng)，其特征在于，包括：依次相連的輸入層、嵌入層、雙重細粒度知識遷移層和預測層，其中：輸入層根據用戶和物品的唯一標識，采用獨熱編碼方式，生成用戶和物品的獨熱編碼表示；嵌入層基于用戶和物品的獨熱編碼表示，采用查表法，將稀疏的、高緯度的獨熱編碼表示映射到連續(xù)的低維空間，得到初始嵌入向量；雙重細粒度知識遷移層將任一交互的用戶-物品對的初始嵌入向量拼接得到域內知識表示，通過細粒度知識提取和遷移得到跨域知識表示，并將域內知識表示和跨域知識表示進行自適應融合，得到最終的知識表示；預測層根據最終的知識表示生成交互的預測分數，并進一步得到推薦結果；

所述的雙重細粒度知識遷移層由若干細粒度知識遷移塊組成，每個細粒度知識遷移塊包括：細粒度知識提取模塊、細粒度知識遷移模塊以及自適應知識融合模塊，其中：細粒度知識提取模塊將域內知識表示投影到多個潛在的語義空間，以提取用戶和物品交互背后的細粒度知識；細粒度知識遷移模塊考慮域共享因素和域特定因素的存在，基于注意力機制實現域間的知識遷移，并生成跨域知識表示；自適應知識融合模塊融合域內知識表示和跨域知識表示，得到最終的知識表示；

所述的預測分數，表示模型判斷輸入的用戶-物品對是正樣本的概率，其中概率最高的用戶-物品對即為推薦結果。

2.根據權利要求1所述的面向跨域場景的雙重細粒度知識遷移系統(tǒng)，其特征是，所述的輸入層考慮到在所公開的跨域推薦系統(tǒng)中，兩個域D_A和D_B有共同的用戶集合，這兩個域的輸入分別為同一個用戶u及其在兩個域內分別交互的一個物品i_A和i_B，即輸入分別是用戶-物品對(u,i_A)和(u,i_B)。將用戶和物品分別以獨熱編碼的方式表示，即其中只有對應用戶或物品下標的元素是1，其他的元素都為0。

3.根據權利要求1所述的面向跨域場景的雙重細粒度知識遷移系統(tǒng)，其特征是，所述的嵌入層，利用三個嵌入矩陣E_U,將用戶和物品的獨熱編碼表示映射到連續(xù)的低維表示空間，生成用戶和物品的初始嵌入向量其中：d為生成的初始嵌入向量的維度。

4.根據權利要求1所述的面向跨域場景的雙重細粒度知識遷移系統(tǒng)，其特征是，所述的雙重細粒度知識遷移層實現了域間雙重的細粒度知識遷移，該層通過疊加L個細粒度知識遷移塊實現深度雙重知識遷移，具體為：其中：和分別表示第l-1個FGKT中域D_A和D_B的域內知識，表示從域D_B遷移到D_A的跨域知識，表示從域D_A遷移到D_B的跨域知識；對于第一個FGKT，也就是當l＝1時，域內知識表示為由用戶-物品對的交互表示，該交互表示由用戶和物品的初始嵌入向量拼接生成，即

5.根據權利要求1所述的面向跨域場景的雙重細粒度知識遷移系統(tǒng)，其特征是，所述的預測層根據最后一個FGKT的輸出，即利用一個sigmoid函數來輸出原始輸入的用戶-物品對(u,i)是一個正交互的概率：