一种自适应输出的序列推荐方法和系统技术方案

本发明专利技术公开了一种自适应输出的序列推荐方法和系统。该方法包括：构建序列推荐模型，该序列推荐模型包括N个空洞卷积残差块和连接第N个空洞卷积残差块的教师分类器作为主干网络，其中，前N‑1个空洞卷积残差块分别独立连接学生分类器作为分支网络，N为大于等于2的整数；以设定的损失函数为目标，利用样本集训练所述序列推荐模型；将待推荐用户的历史浏览序列输入经训练的序列推荐模型，并根据学生分类器的不确定度判断选择教师分类器或学生分类器的输出，作为后续时刻用户推荐项的预测结果。利用本发明专利技术，能够显著加速推断过程，为用户提供快速而准确的推荐服务，具有十分重要的现实意义和广阔的应用前景。

An adaptive output sequence recommendation method and system

【技术实现步骤摘要】
一种自适应输出的序列推荐方法和系统
本专利技术涉及序列推荐
，更具体地，涉及一种自适应输出的序列推荐方法和系统。
技术介绍
推荐系统是近年来发展十分繁荣的领域，因其广阔的应用场景以及巨大的商业价值而备受瞩目，其定义为利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程，而个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐感兴趣的信息和商品。序列推荐系统是推荐系统中的一个重要分支，其目的是通过分析用户的历史浏览序列，对用户进行精准推荐，一直是学术界和工业界关注的热点研究问题。以常用的序列推荐模型NextItNet为例，其结合了空洞卷积神经网络以及残差网络，能够较好地对用户历史浏览序列进行建模，从而更好地为用户提供推荐服务，在序列推荐系统中发挥出优异的效果。NextItNet的模型结构如图1所示，其总体上由多个结构相同的空洞卷积残差块堆叠而成，将用户历史浏览序列输入整个网络，进行建模，在通过最后一个空洞卷积残差块后，得到用户喜好表征，最后再通过一个Softmax分类器，预测本文档来自技高网...

【技术保护点】
1.一种自适应输出的序列推荐方法，包括：/n构建序列推荐模型，该序列推荐模型设有N个空洞卷积残差块和连接第N个空洞卷积残差块的教师分类器作为主干网络，其中，前N-1个空洞卷积残差块分别独立连接学生分类器作为分支网络，N为大于等于2的整数；/n以设定的损失函数为目标，利用样本集训练所述序列推荐模型；/n将待推荐用户的历史浏览序列输入经训练的序列推荐模型，并根据学生分类器的不确定度判断选择教师分类器或学生分类器的输出，作为后续时刻用户推荐项的预测结果。/n

【技术特征摘要】
1.一种自适应输出的序列推荐方法，包括：
构建序列推荐模型，该序列推荐模型设有N个空洞卷积残差块和连接第N个空洞卷积残差块的教师分类器作为主干网络，其中，前N-1个空洞卷积残差块分别独立连接学生分类器作为分支网络，N为大于等于2的整数；
以设定的损失函数为目标，利用样本集训练所述序列推荐模型；
将待推荐用户的历史浏览序列输入经训练的序列推荐模型，并根据学生分类器的不确定度判断选择教师分类器或学生分类器的输出，作为后续时刻用户推荐项的预测结果。


2.根据权利要求1所述的方法，其中，根据以下步骤训练所述序列推荐模型：
冻结分支网络各学生分类器的参数，利用样本集仅对主干网络进行训练；
在主干网络训练完成后，冻结主干网络参数，将教师分类器的输出分布蒸馏给各学生分类器，以指导分支网络中各学生分类器的训练。


3.根据权利要求2所述的方法，其中，在主干网络训练中，损失函数设置为：



其中，为正确项标签，yi为预测推荐项的标签，T为样本集中训练样本总数。


4.根据权利要求2所述的方法，其中，在分支网络训练中，总损失是N-1个学生分类器输出分布与主干网络教师分类器输出分布计算得到的N-1个KL散度的总和，表示为：



其中，为第i个学生分类器的输出分布，N-1为学生分类器数量，ps为学生分类器输出分布，pt为教师分类器输出分布，M为所有推荐项集合。


5.根据权利要求1所述...

【专利技术属性】
技术研发人员：陈磊，杨敏，原发杰，李成明，姜青山，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44