一种聚焦于用户核心兴趣的序列推荐方法及装置制造方法及图纸

本发明专利技术公开了一种聚焦于用户核心兴趣的序列推荐方法及装置，包括获取用户与项目的交互序列以及所述交互序列中每个交互行为对应的时间戳；得到所述交互序列的嵌入矩阵；对所述嵌入矩阵进行自注意力计算，得到每一查询对于所有键的注意力值概率分布；获取每一查询的预先定义固定默认概率分布；根据两个概率分布相似性，得到各查询的活跃性度量；基于所述活跃性度量分别计算各键的注意力值，以构建自注意力矩阵；依据所述自注意力矩阵，得到所述用户的项目推荐结果。本发明专利技术通过在嵌入层加入时间间隔，并加入了活跃性度量指标，从而可以自适应地衡量项目与用户核心兴趣之间的相关性，提高了模型表达能力和推荐结果的准确率。提高了模型表达能力和推荐结果的准确率。提高了模型表达能力和推荐结果的准确率。

【技术实现步骤摘要】
一种聚焦于用户核心兴趣的序列推荐方法及装置


[0001]本专利技术涉及推荐系统领域，具体为一种聚焦于用户核心兴趣的序列推荐方法及装置。

技术介绍

[0002]传统的推荐系统如协同过滤等，以静态方式对用户和项目的交互进行建模。与之不同的是，序列推荐系统将用户项目交互视为一个动态序列，并考虑了其顺序相关性。序列推荐的研究重点是如何从连续的动态行为中简洁地捕获有用的模式，以获得准确的推荐。
[0003]基于马尔可夫链的方法是典型的例子，它作出了一个简化的假设：下一个动作是以一个或多个最近动作为条件的。其缺点是显而易见的，它可能无法捕捉某些复杂场景中的复杂动态。另一个有代表性的工作是将递归神经网络用于序列推荐。给定一个用户的历史交互序列，基于递归神经网络的序列推荐试图通过对序列依赖关系建模来预测用户的下一次交互。然而，受限于其严格的单向体系结构，基于递归神经网络的序列推荐容易产生伪依赖，并且难以执行并行训练。
[0004]近年来，受到用于机器翻译的Transformer模型的启发，对序列推荐采用自注意机制已成为一种研究趋势。基于自注意机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚焦于用户核心兴趣的序列推荐方法，其步骤包括：获取用户与项目的交互序列以及所述交互序列中每个交互行为对应的时间戳；结合所述时间戳，获取所述交互序列的嵌入矩阵；对所述嵌入矩阵进行自注意力计算，得到每一查询q
i
对于所有键的注意力值概率分布p，并通过设置一缩放指数函数，计算每一查询q
i
的预先定义固定默认概率分布q；根据注意力值概率分布p与预先定义固定默认概率分布q的相似性，得到各查询q
i
的活跃性度量；基于所述活跃性度量分别计算各键的注意力值，以构建自注意力矩阵；依据所述自注意力矩阵，得到所述用户的项目推荐结果。2.如权利要求1所述的方法，其特征在于，通过以下步骤获取所述交互序列的嵌入矩阵：1)将所述交互序列转化为固定长度为l的检测序列；2)基于所述时间戳与所述检测序列，构建时间戳序列；3)对于检测序列中的每一个项目，通过一维卷积滤波器映射为向量X
i
，并将各向量X
i
叠加，得到项目嵌入矩阵；4)根据所述检测序列中各项目的位置，得到位置嵌入矩阵；5)通过计算时间戳序列中各时间戳之间的时间间隔，得到时间间隔嵌入矩阵；6)基于所述项目嵌入矩阵、位置嵌入矩阵与时间间隔嵌入矩阵，获取所述交互序列的嵌入矩阵。3.如权利要求2所述的方法，其特征在于，通过以下步骤得到时间间隔嵌入矩阵：1)获取各时间戳之间的时间间隔中的最短时间间隔；2)将各时间间隔除以最短时间间隔，得到个性化时间间隔；3)基于个性化时间间隔，构建长度为l
‑
1的时间间隔序列；4)在该长度为l
‑
1的时间间隔序列的最右侧填充0至长度为l后，经...

【专利技术属性】
技术研发人员：艾正阳，王树鹏，贾思宇，王振宇，王勇，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：