一种构建序列推荐模型的方法和序列推荐方法技术

本发明专利技术公开了一种构建序列推荐模型的方法和序列推荐方法。所述构建序列推荐模型的方法包括：构建第一序列推荐模型和第二序列推荐模型，其中，第一序列推荐模型设有多个空洞卷积残差块，第二序列推荐模型包含与第一序列推荐模型一一对应的轻量级空洞卷积残差块；训练第一序列推荐模型，获得预训练的第一序列推荐模型；对第二序列推荐模型和预训练的第一序列推荐模型进行协同训练，并使第二序列推荐模型学习预训练的第一序列推荐模型的行为；基于经协同训练的第二序列推荐模型构建用于预测推荐项的序列推荐模型。利用本发明专利技术能够减少计算开销、加速推断过程，为用户提供快速而准确的推荐服务。

【技术实现步骤摘要】
一种构建序列推荐模型的方法和序列推荐方法
本专利技术涉及序列推荐
，更具体地，涉及一种构建序列推荐模型的方法和序列推荐方法。
技术介绍
推荐系统是近年来研究十分火热，发展也十分迅速的领域，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，向用户推荐用户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，最后再通本文档来自技高网...

【技术保护点】
1.一种构建序列推荐模型的方法，包括以下步骤：/n构建第一序列推荐模型和第二序列推荐模型，其中，第一序列推荐模型设有多个空洞卷积残差块，第二序列推荐模型包含与第一序列推荐模型一一对应的轻量级空洞卷积残差块；/n以设定的第一损失函数为目标，训练第一序列推荐模型，获得预训练的第一序列推荐模型；/n以设定的第二损失函数为目标，对第二序列推荐模型和预训练的第一序列推荐模型进行协同训练，并使第二序列推荐模型学习预训练的第一序列推荐模型的行为；/n基于经协同训练的第二序列推荐模型构建用于预测推荐项的序列推荐模型。/n

【技术特征摘要】
1.一种构建序列推荐模型的方法，包括以下步骤：
构建第一序列推荐模型和第二序列推荐模型，其中，第一序列推荐模型设有多个空洞卷积残差块，第二序列推荐模型包含与第一序列推荐模型一一对应的轻量级空洞卷积残差块；
以设定的第一损失函数为目标，训练第一序列推荐模型，获得预训练的第一序列推荐模型；
以设定的第二损失函数为目标，对第二序列推荐模型和预训练的第一序列推荐模型进行协同训练，并使第二序列推荐模型学习预训练的第一序列推荐模型的行为；
基于经协同训练的第二序列推荐模型构建用于预测推荐项的序列推荐模型。


2.根据权利要求1所述的方法，其中，对第二序列推荐模型和预训练的第一序列推荐模型进行协同训练包括：
冻结第二序列推荐模型的参数，以用户的历史浏览序列作为输入，以后续时刻的推荐项作为输出，训练第一序列推荐模型；
冻结预训练的第一序列推荐模型的参数，加入第二序列推荐模型进行协同训练，并在协同训练过程中，利用生成的随机变量探索预训练的第二序列推荐模型的空洞卷积残差块的输出，以控制学习预训练的第二序列推荐模型的行为。


3.根据权利要求1所述的方法，其中，利用生成的随机变量探索预训练的第二序列推荐模型的空洞卷积残差块的输出，以控制学习预训练的第二序列推荐模型的行为包括：在协同训练中，将第l+1个空洞卷积残差块的输出设置为：




表示第一序列推荐模型第l+1个空洞卷积残差块的输出，表示第二序列推荐模型第l+1个空洞卷积残差块的输出...

【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