[發明專利]面向跨域場景的雙重細粒度知識遷移系統

在審

• 申請號: 202210568362.5
• 申請日: 2022-05-23
• 公開（公告）號: CN115033783A
• 公開（公告）日: 2022-09-09
• 發明（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

一種面向跨域場景的雙重細粒度知識遷移系統，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，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。本發明有效地對用戶在跨域場景下的行為進行建模，實現域間知識的遷移、互補與融合，從而對用戶在未來與物品的交互進行預估，生成有效的推薦結果，提高用戶的體驗感和對系統的滿意程度。

技術領域

本發明涉及的是一種推薦系統領域的技術，具體是一種面向跨域場景的雙重細粒度知識遷移系統。

背景技術

跨域推薦是為了解決傳統推薦系統長期存在的冷啟動問題和數據稀疏問題而產生和興起的推薦系統，其核心思想是利用從其他域收集的信息來緩解一個域中的上述兩個問題。當用戶和物品在所有域的交互都是比較稀疏的，不同域包含互補的用戶/物品信息，為了實現域間的知識互補，共同提高兩個域的推薦性能，雙重知識遷移機制被應用到跨域推薦中?；陔p重知識轉移的跨域推薦方法，不存在源域和目標域的區分，其目的是同時豐富兩個域并共同提高兩個域的推薦性能，這類方法一般具有對稱的模型結構，通過聯合損失函數對模型進行訓練和優化，可以簡化為一個多任務框架。

現有技術在執行知識遷移時，只是將用戶和物品表示直接作為遷移到其他域的知識，這種知識遷移方式是粗粒度的，沒有考慮用戶和物品交互背后的多種潛在因素，容易丟失有價值的細粒度信息。忽略這種細粒度的有價值的信息會限制推薦性能。

雖然用戶和物品的交互背后有多個潛在因素，但所能得到的觀察數據只是用戶和物品之間的交互記錄，換句話說，多種潛在的因素并不能直接得到。因此，第一個挑戰是如何識別用戶和物品交互背后的多種潛在因素；在跨域推薦這一特定問題背景下，用戶和物品之間交互的多重潛在因素既包括域共享的因素也包括域特定的因素，在進行域間知識遷移的時候，如果不加區分地將一個域的知識遷移到另一個域，可能會引入不相關的因素而成為噪聲，從而影響推薦性能?；谶@一點，第二個挑戰是如何從其他域的細粒度知識中，提取有用的知識，并減少不相關因素造成的噪聲影響；由于涉及域間的知識遷移，必然需要考慮域內知識和跨域知識的融合，現有的方法只是將這兩種知識的表示進行簡單的加和運算，沒有考慮到這兩種知識的不同影響力。

發明內容

本發明針對現有技術存在的上述不足，提出一種面向跨域場景的雙重細粒度知識遷移系統，通過將域內知識表示投影到多個潛在語義空間，生成細粒度的知識表示，通過設計注意力機制實現域間細粒度知識有區分性地雙重遷移，通過門控機制對域內知識表示和跨域知識表示進行自適應地融合。該發明可以有效地對用戶在跨域場景下的行為進行建模，實現域間知識的遷移、互補與融合，從而對用戶在未來與物品的交互進行預估，生成有效的推薦結果，提高用戶的體驗感和對系統的滿意程度。

本發明是通過以下技術方案實現的：

本發明涉及一種面向跨域場景的雙重細粒度知識遷移系統，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。

所述的獨熱編碼表示是指：只有對應其編號的那一個元素為1，其他元素均為0。