一种基于端到端双曲空间的用户推荐方法技术

本发明专利技术公开了一种基于端到端双曲空间的用户推荐方法，包括：获取欧几里得空间中的项目表征和目标用户的用户表征，并构建用户推荐模型，利用用户推荐模型执行以下操作：将用户表征和项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征；利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征；将新的用户双曲表征在双曲空间上分解为多个双曲分向量，并根据多个双曲分向量，得到用户偏好信息；根据用户偏好信息，利用注意力机制在双曲空间上处理新的用户双曲表征和项目双曲表征，得到新的用户

【技术实现步骤摘要】
一种基于端到端双曲空间的用户推荐方法


[0001]本专利技术涉及人工智能、深度学习、机器学习、社交推荐系统、双曲空间等领域，尤其涉及基于端到端双曲空间的用户推荐方法、基于端到端双曲空间的用户推荐模型训练方法及装置、电子设备和存储介质。

技术介绍

[0002]在信息爆炸的网络环境背景下，用户越来越难以做出决定。为了缓解这种信息过载带来的不便，推荐系统发挥了主导作用，其目的是通过推荐合适的项目(如产品)为用户提供个性化的服务，而不是让用户自己寻找。近年来，推荐系统或推荐方法已经成为许多应用中改善用户体验的基石，如电子商务、音乐推荐和旅游推荐等，在包括电子商务和旅游在内的许多领域都取得了巨大的成功。现有的推荐方法通常通过探索研究用户
‑
项目交互关系来预测用户的偏好行为。
[0003]然而，现有技术中的推荐系统或推荐方法通常只在欧几里得空间中学习用户和项目的表征，在探索数据中的潜在层级关系属性时有很大的局限性。此外，现有技术中的推荐方法或系统存在无法有效处理复杂的用户与项目(商品和/或物品)的互动关系、推荐预测结果准确性低等问题。

技术实现思路

[0004]鉴于上述问题，本专利技术提供了一种基于端到端双曲空间的用户推荐方法、基于端到端双曲空间的用户推荐模型的训练方法及装置、电子设备及存储介质，以期能够至少解决上述技术问题之一。
[0005]根据本专利技术的第一个方面，提供了一种基于端到端双曲空间的用户推荐方法，包括：
[0006]获取欧几里得空间中的项目表征和目标用户的用户表征，其中，用户表征包括社会关系和与项目的交互信息，项目表征包括项目属性信息，并构建用户推荐模型，利用用户推荐模型执行以下操作：
[0007]将用户表征和项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征；
[0008]利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征；
[0009]将新的用户双曲表征在双曲空间上分解为多个双曲分向量，并根据多个双曲分向量，得到用户偏好信息；
[0010]根据用户偏好信息，利用注意力机制在双曲空间上处理新的用户双曲表征和项目双曲表征，得到新的用户
‑
项目交互信息；
[0011]根据用户社交信息和新的用户
‑
项目交互信息，向目标用户进行项目推荐。
[0012]根据本专利技术的实施例，上述将用户表征和项目表征分别映射到双曲空间中，得到
用户双曲表征和项目双曲表征包括：
[0013]将用户表征和项目表征分别添加具有预设值的附加维度，得到用户附加表征和项目附加表征；
[0014]将用户附加表征和项目附加表征分别嵌入到欧几里得空间的原点的切空间中，得到切空间上的用户表征和切空间上的项目表征；
[0015]利用原点处的指数映射分别将切空间上的用户表征和切空间上的项目表征映射到洛伦茨模型中，得到用户双曲表征和项目双曲表征。
[0016]根据本专利技术的实施例，上述利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征包括：
[0017]利用预设矩阵对用户双曲表征进行变换，得到中间用户双曲表征；
[0018]将中间用户双曲表征进行洛伦茨模型到克莱因模型的变换，得到克莱因模型下的用户双曲表征；
[0019]根据目标用户的邻域节点的信息和第一洛伦茨因子，并利用爱因斯坦中点方法在双曲空间中对克莱因模型下的用户双曲表征进行聚合，得到双曲聚合平均值；
[0020]将双曲聚合平均值进行克莱因模型到洛伦茨模型的变换，得到洛伦茨模型下的双曲聚合平均值；
[0021]将洛伦茨模型下的双曲聚合平均值投影到到庞加莱球模型上，得到投影结果，并利用预先定义的非线性函数将投影结果映射到洛伦茨模型上，得到新的用户双曲表征。
[0022]根据本专利技术的实施例，上述预设矩阵由变换矩阵和正交矩阵构成，正交矩阵通过在斯蒂弗尔流形上优化得到。
[0023]根据本专利技术的实施例，上述预先定义的非线性函数包括非线性激活函数。
[0024]根据本专利技术的实施例，上述根据用户偏好信息，利用注意力机制在双曲空间上处理新的用户双曲表征，得到新的用户
‑
项目交互信息包括：
[0025]计算新的用户双曲表征和项目表征反双曲余弦值的逆值，得到用户
‑
项目权重；
[0026]对新的用户双曲表征进行洛伦茨模型到克莱因模型的变换，得到克莱因模型下的新的用户双曲表征；
[0027]根据用户
‑
项目权重和第二洛伦茨因子，利用爱因斯坦中点方法聚合用户偏好信息，得到克莱因模型下的具有偏好信息的用户双曲表征；
[0028]将克莱因模型下的具有偏好信息的用户双曲表征进行克莱因模型到洛伦茨模型变换，得到洛伦茨模型下的具有偏好信息的用户双曲表征；
[0029]利用费米
‑
狄拉克方法计算洛伦茨模型下的具有偏好信息的用户双曲表征和项目双曲表征，得到新的用户
‑
项目交互信息。
[0030]根据本专利技术的第二个方面，提供了一种基于端到端双曲空间的用户推荐模型的训练方法，包括：
[0031]构建用户推荐模型并随机初始化用户推荐模型的参数；
[0032]获取用户训练样本和项目训练样本，其中，用户训练样本包括用户训练正样本和用户训练负样本，项目训练样本包括项目训练正样本和项目训练负样本；
[0033]将用户训练样本和项目训练样本输入到用户推荐模型中，得到正样本的用户
‑
项目交互信息和负样本的用户
‑
项目交互信息；
[0034]将正样本的用户
‑
项目交互信息和负样本的用户
‑
项目交互信息输入到损失函数中，得到损失值，并根据损失值，优化用户推荐模型的参数；
[0035]迭代进行交互信息获取操作、损失值获取操作以及优化操作，直到损失值满足预设条件，得到训练完成的用户推荐模型，其中，训练完成的用户推荐模型应用于上述基于端到端双曲空间的用户推荐方法。
[0036]根据本专利技术的第三个方面，提供了一种基于端到端双曲空间的用户推荐模型的训练装置，包括：
[0037]构建模块，用于构建用户推荐模型并随机初始化用户推荐模型的参数；
[0038]样本获取模块，用于获取用户训练样本和项目训练样本，其中，用户训练样本包括用户训练正样本和用户训练负样本，项目训练样本包括项目训练正样本和项目训练负样本；
[0039]交互信息获取模块，用于将用户训练样本和项目训练样本输入到用户推荐模型中，得到正样本的用户
‑
项目交互信息和负样本的用户
‑
项目交互信息；
[0040]优化模块，用于将正样本的用户
‑
项目交互信息和负样本的用户
‑
项目交互信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于端到端双曲空间的用户推荐方法，包括：获取欧几里得空间中的项目表征和目标用户的用户表征，其中，所述用户表征包括社会关系和与项目的交互信息，所述项目表征包括项目属性信息，并构建用户推荐模型，利用所述用户推荐模型执行以下操作：将所述用户表征和所述项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征；利用纯双曲空间图卷积神经网络在双曲空间上处理所述用户双曲表征，得到用户社交信息和新的用户双曲表征；将所述新的用户双曲表征在双曲空间上分解为多个双曲分向量，并根据所述多个双曲分向量，得到用户偏好信息；根据所述用户偏好信息，利用注意力机制在双曲空间上处理所述新的用户双曲表征和所述项目双曲表征，得到新的用户
‑
项目交互信息；根据所述用户社交信息和所述新的用户
‑
项目交互信息，向所述目标用户进行项目推荐。2.根据权利要求1所述的方法，其中，将所述用户表征和所述项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征包括：将所述用户表征和项目表征分别添加具有预设值的附加维度，得到用户附加表征和项目附加表征；将所述用户附加表征和所述项目附加表征分别嵌入到欧几里得空间的原点的切空间中，得到切空间上的用户表征和切空间上的项目表征；利用原点处的指数映射分别将所述切空间上的用户表征和所述切空间上的项目表征映射到洛伦茨模型中，得到所述用户双曲表征和所述项目双曲表征。3.根据权利要求1所述的方法，其中，利用纯双曲空间图卷积神经网络在双曲空间上处理所述用户双曲表征，得到用户社交信息和新的用户双曲表征包括：利用预设矩阵对所述用户双曲表征进行变换，得到中间用户双曲表征；将所述中间用户双曲表征进行洛伦茨模型到克莱因模型的变换，得到克莱因模型下的用户双曲表征；根据所述目标用户的邻域节点的信息和第一洛伦茨因子，并利用爱因斯坦中点方法在双曲空间中对所述克莱因模型下的用户双曲表征进行聚合，得到双曲聚合平均值；将所述双曲聚合平均值进行克莱因模型到洛伦茨模型的变换，得到洛伦茨模型下的双曲聚合平均值；将所述洛伦茨模型下的双曲聚合平均值投影到到庞加莱球模型上，得到投影结果，并利用预先定义的非线性函数将所述投影结果映射到洛伦茨模型上，得到所述新的用户双曲表征。4.根据权利要求3所述的方法，其中，所述预设矩阵由变换矩阵和正交矩阵构成，所述正交矩阵通过在斯蒂弗尔流形上优化得到。5.根据权利要求3所述的方法，其中，所述预先定义的非线性函数包括非线性激活函数。6.根据权利要求1所述的方法，其中，根据所述用户偏好信息，利用注意力机制在双曲
空间上处理所述新的用户双曲表征，得到新的用户
‑
项目交互信息包括：计算所述新的用户双曲表征和所述项目表征反双曲余弦值的逆值，得到用户
‑
项目权重；对所述新的用户双曲表征进行洛伦茨模型到克莱因模型的变换，得到克莱因模型下的新的用户双曲表征；根据所述用户
‑...

【专利技术属性】
技术研发人员：张航，王桂凤，王皓，刘嘉聿，刘淇，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：