一种基于元学习的用户偏好商品推荐方法技术

本发明专利技术公开了一种基于元学习的用户偏好商品推荐方法，本发明专利技术能够利用辅助信息进行融合来提高特征精度。本发明专利技术通过元学习建立用户通道来实现用户特征转化，解决由于单一业务过于针对性的个性化推荐导致的用户兴趣衰减问题，改善推荐系统的多样性和新奇性，同时还能够提高对目标域用户商品推荐的精确度，本发明专利技术通过元学习的再学习能力，若新任务到来也能够快速的建立映射关系，从而实现在获取已有的知识上能够快速的学习新的任务，来实现对目标域的推荐。的推荐。的推荐。

【技术实现步骤摘要】
一种基于元学习的用户偏好商品推荐方法


[0001]本专利技术属于跨域推荐领域，具体涉及一种基于元学习的用户偏好商品推荐方法。

技术介绍

[0002]21世纪以来，随着信息技术和计算机技术的迅速发展，商务活动也呈现出国际化、虚拟化、无纸化。传统的消费产业逐渐的走向电子商务化，同时随着国内电子商务环境不断地发展和完善，网络平台购物已经成为人们生活中的一部分，人们对于平台商品的个性化推荐要求越来越严格，电商平台的冷启动问题显得额外重要，而跨域推荐可以解决由于单一业务过于针对性的个性化推荐导致的用户兴趣衰减问题，改善推荐系统的多样性和新奇性。基于元学习的用户偏好方法作为跨域推荐的技术之一，不仅可以优化和学习源域到目标域的知识，还能够提高对目标域用户商品推荐的精确度。
[0003]目前有各种技术处理以下问题：
[0004](1)基于共享实体表示的模型方法；
[0005]该模型方法主要利用不同领域之间的重叠实体来融合不同领域之间的信息，建立起两个不同领域间的关系，从而实现跨域推荐。一般可以分为三个步骤，首先获取不同领域用户和商品的e本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于元学习的用户偏好商品推荐方法，其特征在于，包括以下步骤：S1，采用CNN算法对源域和目标域的用户评论集和商品评价集进行文本数据处理，得到用户特征和商品特征；对用户评分矩阵进行分解，得到分解后的用户评分矩阵；S2，将用户特征以及商品特征与分解后的用户评分矩阵进行融合；S3，通过源域的商品内容提取源域到目标域转化中的用户偏好特征，同时赋予转化中源域商品对目标域商品的影响权重，使用注意力网络机制来体现源域商品的用户偏好转化特征向量；S4，根据源域到目标域的用户偏好特征，通过元学习的方法建立用户偏好通道，使源域用户特性到目标域用户特性进行转化，通过转化后的目标域用户特性和目标域的商品特性进行评分预测。2.根据权利要求1所述的一种基于元学习的用户偏好商品推荐方法，其特征在于，S1的具体方法如下：将源域和目标域的用户评论集和商品评价集进行word2vec映射得到词向量矩阵WU
s
、WU
t
、WI
s
和WI
t
，WU
s
表示源域的用户词向量，WU
t
表示目标域的用户词向量，WI
s
表示源域的商品词向量，WI
t
表示目标域的商品词向量；将源域和目标域的用户评分矩阵通过矩阵分解为u
s
、v
s
、u
t
和v
t
，u
s
表示源域的用户特征，v
s
表示源域的商品特征，u
t
表示目标域的用户特征，v
t
表示目标域的商品特征。3.根据权利要求2所述的一种基于元学习的用户偏好商品推荐方法，其特征在于，词向量的计算过程如下：WU＝word2vec(UI
n
)WV＝word2vec(VI
m
)其中WU为用户词向量，UI
n
＝{UC，(UI1，UI2，
…
，UI
n
)}，UC为用户评论集，n为用户评论集提取后的单词总数，WV为商品词向量，VI
m
＝{VC，(VI1，VI2，
…
，VI
m
)}，VC为商品评论集，m为商品评价集提取后的单词总数。4.根据权利要求1所述的一种基于元学习的用户偏好商品推荐方法，其特征在于，S2中，融合过程如下：p
s
＝αCNW_WU
s
⊙
(1
‑
α)u
s
p
t

【专利技术属性】
技术研发人员：张斌，陈斌，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：