一种基于注意力机制的推荐系统及推荐方法技术方案

本发明专利技术提供的基于注意力机制的推荐系统及推荐方法，通过特征嵌入层将用户历史记录中的商品及将待预测的商品映射成商品的特征向量，通过注意力层根据自注意力机制来学习用户的表达得到用户的特征向量，通过融合输出层根据所述商品的特征向量及用户的特征向量输出用户对商品的预测值，本发明专利技术提供的基于注意力机制的推荐系统，由于采用基于神经注意力机制可以对用户历史记录中的每个商品自动分配权重，可解释性增强；且采用基于神经注意力机制可以对用户的行为进行更合理的模拟，得到更细粒度的权重从而获取得到更好的推荐效果。

【技术实现步骤摘要】
一种基于注意力机制的推荐系统及推荐方法
本专利技术涉及大数据
，尤其涉及一种基于注意力机制的推荐系统集推荐方法。
技术介绍
随着互联网用户的增加及在互联网上信息的累积，根据用户历史记录自动的为用户推荐可能感兴趣的产品成为一个计算机领域的热门课题。对于如何在海量信息中为用户推荐其真正需要的商品，现有的方法存在可解释性差的问题。例如，基于商品的协同过滤方法通过计算商品的余弦相似度或皮尔逊相似度，来对推荐结果进行解释。但这种解释往往千篇一律，比如：“此商品和您以前购买的某商品很像”。由于基于浅层的特征学习，不能获取到复杂的、高阶的商品特征，造成推荐系统无法对用户的兴趣进行很好的刻画，仅凭个体商品间的相似度进行解释，严重限制了推荐系统的可解释性。
技术实现思路
有鉴如此，有必要针对现有技术存在的缺陷，提供一种能够刻画用户整体兴趣且可解释性强的基于注意力机制的推荐系统。为实现上述目的，本专利技术采用下述技术方案：本专利技术目的之一，提供了一种基于注意力机制的推荐系统，包括前向传输模块，所述前向传输模块包括：特征嵌入层，用于将用户历史记录中的商品及将待预测的商品映射成商品的特征向量；注意力层，本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的推荐系统，其特征在于，包括前向传输模块，所述前向传输模块包括：特征嵌入层，用于将用户历史记录中的商品及将待预测的商品映射成商品的特征向量；注意力层，用于根据自注意力机制来学习用户的表达得到用户的特征向量；融合输出层，用于根据所述商品的特征向量及用户的特征向量输出用户对商品的预测值。

【技术特征摘要】
1.一种基于注意力机制的推荐系统，其特征在于，包括前向传输模块，所述前向传输模块包括：特征嵌入层，用于将用户历史记录中的商品及将待预测的商品映射成商品的特征向量；注意力层，用于根据自注意力机制来学习用户的表达得到用户的特征向量；融合输出层，用于根据所述商品的特征向量及用户的特征向量输出用户对商品的预测值。2.如权利要求1所述的基于注意力机制的推荐系统，其特征在于，所述特征嵌入层包括：：独热向量单元，用于将商品定义为独热向量，并记为x，所述R代表实数集；特征向量映射单元，用于将所述独热向量输入到特征嵌入层，经所述特征嵌入层后商品的特征向量表示为：p＝WTx；其中，商品的总数量为N,随机初始化两个N*K的矩阵，分别记为P和Q，K是特征向量的维度，矩阵P表示为在映射用户历史记录的商品特征向量时查询与历史记录商品id对应的行，作为该商品的特征向量，矩阵Q表示为在映射待预测商品特征向量时查询与待预测商品id对应的行，作为待预测商品的特征向量，W为矩阵P或者Q，x为独热向量。3.如权利要求2所述的基于注意力机制的推荐系统，其特征在于，所述独热向量的维度是N,在所述独热向量中只有商品编号对应的位置值为1,其他位置全为0。4.如权利要求2所述的基于注意力机制的推荐系统，其特征在于，在所述注意力层用...

【专利技术属性】
技术研发人员：梁予之，杨敏，曲强，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44