【技术实现步骤摘要】
一种基于多空间交互的协同过滤个性化推荐方法
本专利技术涉及个性化推荐
，具体涉及一种基于多空间交互的协同过滤个性化推荐方法。
技术介绍
近些年互联网发展迅速，在线数据内容呈现出爆炸式的增长，人们难以从海量数据中获取到目标内容，个性化推荐系统的出现极大的改善了这种获取心仪内容困难的问题。个性化推荐系统的目标就是通过海量的用户历史交互数据建模，预测出用户可能感兴趣的内容，从而缓解用户获取心仪内容困难的问题。当前的个性化推荐系统的研究主要从两个角度入手，一个角度是基于传统的协同过滤算法进行改进，通过引入表示学习等方法来增强用户向量与项目向量的表示能力；另一个角度通过引入深度学习来改进模型的推荐能力。然而现有的这些改进方法在进行特征提取时都是在单个子空间中提取用户与项目的特征信息，在特征提取时会遗漏部分信息，从而导致推荐效果欠佳。目前已授权的专利技术专利“一种协同过滤推荐方法及系统”，公开号为CN105426392A，通过获取用户群组中每一个用户分别感兴趣的项目，确定每一个用户对其感兴趣的每一个项目的权重值，来最终确定...
【技术保护点】
1.一种基于多空间交互的协同过滤个性化推荐方法，其特征是，包括步骤如下：/n步骤1、获取原始数据即用户-项目交互矩阵，并从该用户-项目交互矩阵中得到用户嵌入向量集合和项目嵌入向量集合；其中用户嵌入向量集合包括各用户j的用户嵌入向量u
【技术特征摘要】
1.一种基于多空间交互的协同过滤个性化推荐方法，其特征是，包括步骤如下：
步骤1、获取原始数据即用户-项目交互矩阵，并从该用户-项目交互矩阵中得到用户嵌入向量集合和项目嵌入向量集合；其中用户嵌入向量集合包括各用户j的用户嵌入向量uj，其记录所有项目与用户j的交互情况；项目嵌入向量集合包括各项目k的项目嵌入向量ik，其记录有所有用户与项目k的交互情况；
步骤2、将用户嵌入向量集合中的各用户嵌入向量uj分别映射到T个不同的子空间中，得到各用户j在第t个子空间的用户子空间嵌入向量同时，将项目嵌入向量集合中的各项目嵌入向量ik分别映射到T个不同的子空间中，得到各项目k在第t个子空间的项目子空间嵌入向量
步骤3、对于各用户j，将与用户j发生过交互的项目的集合Ij中所有项目的项目子空间嵌入向量利用向量级注意力机制进行聚合，得到用户j在第t个子空间的用户表示向量同时，对于各项目k，将与项目k发生过交互的用户的集合Uk中所有用户的用户子空间嵌入向量利用向量级注意力机制进行聚合，得到项目k在第t个子空间的项目表示向量
步骤4、对于各用户j，将用户j在所有子空间的用户表示向量利用空间级注意力机制进行聚合，得到用户j的用户空间表示向量同时，对于各项目k，将各项目k在所有子空间的项目表示向量利用空间级注意力机制进行聚合，得到项目k的项目空间表示向量
步骤5、将各用户j的用户空间表示向量和各项目k的项目空间表示向量拼接成一个用户j对项目k的评分向量aij，并将评分向量aij送入到多层感知机预测得到用户j对项目k的评分值作为项目评分预测结果；
步骤6、对于待推荐的用户，将该用户的项目评分预测结...
【专利技术属性】
技术研发人员：古天龙，李康林，宾辰忠，朱恩新，梁浩宏，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45
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。