【技术实现步骤摘要】
一种物品推荐方法、装置、设备及计算机可读存储介质
本专利技术涉及计算机应用
,特别是涉及一种物品推荐方法、装置、设备及计算机可读存储介质。
技术介绍
随着在线购物的快速发展,近年来,使用图像进行可解释的个性化物品推荐已引起越来越多的关注。如今,在网上购买物品时,用户的决定主要受到产品外观的影响。现有的物品推荐方式已经能够捕获用户对可视特征的偏好,并提供直观的图像解释。但是,用户无法从图像中观察到的不可见特征,例如衣服的材质和质量,并且没有提供相应的文本解释,并且这些不可见特征也会影响用户的决定。从而忽略了用户的个性化视觉偏好,忽略了不可视偏好的获取,并且由于图像表达的限制性而无法提供对不可视特征的解释,进而导致物品推荐的准确性低。综上所述,如何有效地解决现有的物品推荐方式忽略了对用户不可视偏好的获取,物品推荐的准确性低等问题,是目前本领域技术人员急需解决的问题。
技术实现思路
本专利技术的目的是提供一种物品推荐方法,该方法实现了视觉信息和文本信息的共同增强,充分结合了用户的可视偏好信息和不可视偏好信息进行物品推荐,较大地提高了物品推荐的准确性;本专利技术的另一目的是提供一种物品推荐装置、设备及计算机可读存储介质。为解决上述技术问题,本专利技术提供如下技术方案:一种物品推荐方法,包括:利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息;其中,所述偏好信息包括可见偏好信息和不可见偏好信息;利用评论 ...
【技术保护点】
1.一种物品推荐方法,其特征在于,包括:/n利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息;其中,所述偏好信息包括可见偏好信息和不可见偏好信息;/n利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示;/n获取原用户向量表示,并将所述原用户向量表示与所述偏好信息结合,得到目标用户向量表示;/n获取所述目标物品对应的原物品向量表示,并将所述原物品向量表示与所述图像向量表示结合,得到目标物品向量表示;/n对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到评分计算结果;/n根据所述评分计算结果向所述用户进行物品推荐。/n
【技术特征摘要】
1.一种物品推荐方法,其特征在于,包括:
利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息;其中,所述偏好信息包括可见偏好信息和不可见偏好信息;
利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示;
获取原用户向量表示,并将所述原用户向量表示与所述偏好信息结合,得到目标用户向量表示;
获取所述目标物品对应的原物品向量表示,并将所述原物品向量表示与所述图像向量表示结合,得到目标物品向量表示;
对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到评分计算结果;
根据所述评分计算结果向所述用户进行物品推荐。
2.根据权利要求1所述的物品推荐方法,其特征在于,利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息,包括:
利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算,得到所述用户历史评论中与所述目标物品的第一相关信息;
利用所述两层自适应注意力网络对所述物品历史评论和所述原用户向量表示进行计算,得到所述物品历史评论中与所述用户的第二相关信息;
结合所述第一相关信息和所述第二相关信息得到所述用户对所述目标物品的偏好信息。
3.根据权利要求2所述的物品推荐方法,其特征在于,利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算,得到所述用户历史评论中与所述目标物品的第一相关信息,包括:
分别获取所述用户历史评论的每个评论中各单词的词向量表示;
将所述原物品向量表示与各所述词向量表示转换到同一空间;
利用所述两层自适应注意力网络对所述原物品向量表示和各所述词向量表示进行计算,得到各所述词向量表示分别对应的第一权重值;
对每个评论中各所述词向量表示和对应的第一权重值进行加权计算,得到每个评论的句子向量表示;
将所述原物品向量表示与各所述句子向量表示转换到同一空间;
利用所述两层自适应注意力网络对所述原物品向量表示和各所述句子向量表示进行计算,得到各所述句子向量表示分别对应的第二权重值;
对各所述句子向量表示和对应的第二权重值进行加权计算,得到所述第一相关信息。
4.根据权利要求1至3任一项所述的物品推荐方法,其特征在于,利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示,包括:
利用评论驱动的视觉注意力网络结合将预测用户评论作为弱监督信号得到的偏好信息,计算所述图像向量表示;其中,所述预测用户评论为通过包括所述两层自适应注意力网络和评论驱动的视觉注意力网络的物品推荐模型训练得到。
5.根据权利要求4所述的物品推荐方法,其特征在于,利用评论驱动的视觉注意力网络结合将预测用户评论...
【专利技术属性】
技术研发人员:赵朋朋,乌倩倩,凌晓峰,
申请(专利权)人:苏州大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。