[發(fā)明專利]一種物品推薦方法、系統(tǒng)、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211697621.0
• 申請日: 2022-12-28
• 公開（公告）號: CN115858945A
• 公開（公告）日: 2023-03-28
• 發(fā)明（設(shè)計）人: 胡忠義;張碩果;程子惠;吳江
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9535;G06F16/33;G06N3/0464;G06N3/0499;G06N3/08
• 代理公司: 武漢華之喻知識產(chǎn)權(quán)代理有限公司 42267
• 代理人: 鄧彥彥;廖盈春

1.一種物品推薦方法，其特征在于，包括如下步驟：

從平臺業(yè)務(wù)數(shù)據(jù)集中獲取用戶對物品的評論數(shù)據(jù)集，提取所述評論數(shù)據(jù)集中出現(xiàn)頻數(shù)最高的名詞作為用戶對物品評論的細(xì)粒度情感特征關(guān)鍵詞；使用BERT模型、注意力層以及多層感知機(jī)層對所述細(xì)粒度情感特征關(guān)鍵詞進(jìn)行提取，得到評論的細(xì)粒度情感特征；以及使用BERT模型對評論數(shù)據(jù)集的全句詞向量進(jìn)行嵌入，獲取評論的全句內(nèi)容特征；

從平臺業(yè)務(wù)數(shù)據(jù)集中獲取用戶的社交數(shù)據(jù)和用戶與物品交互的歷史數(shù)據(jù)，根據(jù)用戶對物品評論的關(guān)系構(gòu)建用戶的評論空間，評論空間包括：所述評論的全句內(nèi)容特征、評論的細(xì)粒度情感特征以及評論的時序特征；根據(jù)用戶與物品的交互關(guān)系構(gòu)建用戶的物品空間，物品空間包括：用戶對物品的評分?jǐn)?shù)據(jù)、評論的細(xì)粒度情感特征、與用戶交互的所有物品信息及交互發(fā)生的時序信息；根據(jù)用戶的社交數(shù)據(jù)構(gòu)建社交關(guān)系空間，社交關(guān)系空間包括：用戶的好友信息和建立好友關(guān)系的時序信息；根據(jù)用戶與物品的交互關(guān)系和用戶的社交數(shù)據(jù)構(gòu)建高階空間，高階空間包括：所有用戶和物品的交互信息和所有用戶的好友信息；從評論空間、物品空間、社交關(guān)系空間以及高階空間對用戶的初步特征提取，使用多門控機(jī)制將各個空間提取的用戶初步特征和用戶節(jié)點特征向量融合得到用戶嵌入特征向量；

從平臺業(yè)務(wù)數(shù)據(jù)集中獲取物品與用戶交互的歷史數(shù)據(jù)，根據(jù)物品與用戶對物品評論的關(guān)系構(gòu)建評論空間，所述評論空間包括：評論的全句內(nèi)容特征、評論的細(xì)粒度情感特征以及評論的時序數(shù)據(jù)；根據(jù)用戶與物品的交互關(guān)系構(gòu)建用戶空間，所述用戶空間包括：用戶對物品的評分?jǐn)?shù)據(jù)、評論的細(xì)粒度情感特征、物品被交互的所有用戶信息以及交互發(fā)生的時序信息；根據(jù)物品的屬性關(guān)系構(gòu)建物品相似度空間，物品相似度空間：所有物品的屬性信息；根據(jù)用戶物品的交互關(guān)系以及物品的相似度信息構(gòu)建高階空間，高階空間包括：所有用戶和物品的交互信息以及所有物品的屬性信息；從評論空間、用戶空間、物品相似度空間以及高階空間對物品的初步特征提取；物品的相似度空間特征提取需要融合鄰居物品向量；使用多門控機(jī)制將各個空間提取的物品初步特征和物品節(jié)點特征向量融合得到物品嵌入特征向量；

將用戶嵌入特征向量與物品嵌入特征向量拼接后輸入多層感知機(jī)網(wǎng)絡(luò)訓(xùn)練，預(yù)測得到用戶與各個物品的交互概率，以便基于所述交互概率對用戶進(jìn)行物品推薦。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，評論細(xì)粒度情感特征的提取過程為：

從評論數(shù)據(jù)集中提取各個用戶對于各個物品的評論文本，并與所述細(xì)粒度情感特征關(guān)鍵詞進(jìn)行拼接，形成拼接后的文本數(shù)據(jù)，使用BERT模型對拼接后的文本數(shù)據(jù)進(jìn)行處理，以各細(xì)粒度情感特征關(guān)鍵詞的向量表示評論在各個細(xì)粒度層面的特征表示；

利用評論在各個細(xì)粒度層面的特征表示，通過多頭注意力層考慮各層面細(xì)粒度情感對于用戶決策的不同影響，形成有權(quán)的各細(xì)粒度情感特征表示；

通過多層感知機(jī)層將有權(quán)的各細(xì)粒度情感特征表示的進(jìn)行特征聚合，形成各評論最終的細(xì)粒度情感特征表示。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，評論全句內(nèi)容特征的提取過程為：

從評論數(shù)據(jù)集中提取各個用戶對各個物品的評論文本，利用BERT模型將評論文本轉(zhuǎn)化為詞向量，并使用平均向量化將詞向量聚合為初步評論內(nèi)容表示；

利用多層感知機(jī)對所述初步評論內(nèi)容表示進(jìn)行特征降維，獲得最終的評論全句內(nèi)容特征表示。