基于自注意力路由与Transformer的多兴趣推荐方法技术

本发明专利技术公开了一种基于自注意力路由与Transformer的多兴趣推荐方法，包括：获取公开的用户历史行为序列，对其进行预处理，得到包含项目基本信息和行为发生时间的向量，通过Embedding技术将项目向量以及对应的位置向量转化为固定维度的低维向量；使用Transformer模型捕获各用户历史行为序列中的顺序依赖关系，根据经过Embedding技术处理的项目向量和位置向量，得到含有更多有效信息的行为向量；从大量的行为向量中抽取出用户的多个兴趣向量；通过确定各兴趣向量与目标物品之间的关系，获得用户与目标物品交互的概率；通过最小化损失函数来学习模型的参数；通过计算相似度，利用用户的多个兴趣向量从待选物品池中检索出用户最有可能感兴趣的N个物品向其推荐。索出用户最有可能感兴趣的N个物品向其推荐。索出用户最有可能感兴趣的N个物品向其推荐。

【技术实现步骤摘要】
基于自注意力路由与Transformer的多兴趣推荐方法


[0001]本专利技术属于图像
，涉及个性化推荐算法，具体涉及一种基于自注意力路由与Transformer的多兴趣推荐方法。

技术介绍

[0002]随着信息技术的不断进步以及网民人数的逐渐增加，互联网所承载的信息量也在爆炸式增长，因而产生了严重的信息过载问题。信息过载使得信息消费者无法快速地从浩如烟海的信息中检索出真正需要的信息，而信息生产者也无法顺利地将其优秀的产品呈现在大众的视野中。为了缓解这一问题，学者们研发了具有划时代意义的个性化推荐系统。个性化推荐系统根据用户的基本信息、历史行为以及项目信息，分析用户的兴趣偏好，并将用户感兴趣的物品或信息推荐给用户，当用户兴趣发生改变时也可以及时对推荐项目做出调整。个性化推荐系统在节约用户时间成本、提升用户生活质量的同时，还有助于增加企业的收益，促进社会繁荣发展，对于个人和社会都具有重要的现实意义。
[0003]自图像领域提出图像分类网络AlexNet之后，对于深度学习的研究层出不穷，推荐系统的研究思路也深受此影响。Zhou等人提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力路由与Transformer的多兴趣推荐方法，其特征在于，具体包括如下步骤：步骤1，获取公开的用户历史行为序列，对其进行预处理，得到包含项目基本信息和行为发生时间的向量；步骤2，通过Embedding技术将项目向量以及对应的位置向量转化为固定维度的低维向量；步骤3，使用Transformer模型捕获各用户历史行为序列中的顺序依赖关系，根据经过Embedding技术处理的项目向量和位置向量，得到含有更多有效信息的行为向量；步骤4，从大量的行为向量中抽取出用户的多个兴趣向量；步骤5，通过确定各兴趣向量与目标物品之间的关系，获得用户与目标物品交互的概率；步骤6，通过最小化损失函数来学习模型的参数；步骤7，通过计算相似度，利用用户的多个兴趣向量从待选物品池中检索出用户最有可能感兴趣的N个物品向其推荐。2.如权利要求1所述的方法。其特征在于，步骤1中所述的历史行为序列，是根据用户以往产生过行为的项目ID、类别、行为发生时间等信息构成；所述预处理过程为：将所有历史行为数据按照发生时间的先后进行排列，然后将它们利用One
‑

【专利技术属性】
技术研发人员：陈莉，殊金鹏，陈培榕，高涵，郝星星，明亮亮，李文强，
申请(专利权)人：西北大学，
类型：发明
国别省市：