基于动态差分图的推荐方法技术

一种基于动态差分图的推荐方法，基于用户与物品的交互记录，构建每一时刻的用户

【技术实现步骤摘要】
基于动态差分图的推荐方法


[0001]本专利技术涉及的是一种互联网信息人工智能领域的技术，具体是一种基于动态差分图的推荐方法。

技术介绍

[0002]基于图的推荐模型根据用户与物品交互信息构建图数据结构，利用图数据对用户和物品建模并进行推荐。常见的图结构为用户与物品的二分图，即用户节点与其交互过的物品节点通过边连接起来。通过图形式的结构可以获取用户和物品之间的多阶信息，从而能够捕捉用户之间或者物品之间的相似性。目前基于图的推荐模型有两点不足，首先大部分基于图模型的推荐算法都没有对时间维度的信息进行建模，而只是考虑了用户与物品之间是否交互过的信息；其次大多数基于图的推荐模型都忽视了用户的行为特性，而在实际应用场景中，用户行为特性包含了许多重要的信息，如用户动态的兴趣变化趋势。通过对用户行为特性进行建模，可以进一步优化推荐系统的表现。

技术实现思路

[0003]本专利技术针对现有技术存在的上述不足，提出一种基于动态差分图的推荐方法，通过用户与物品种类的交互信息来构建用户的兴趣动态差分图，并且设计设计基于动态差分图的推荐模型，该推荐模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态差分图的推荐方法，其特征在于，基于用户与物品的交互记录，构建每一时刻的用户
‑
物品交互图以及用户
‑
物品类别交互图，并进一步构建得到用户新增兴趣动态差分图以及用户丧失兴趣动态差分图；基于用户
‑
物品交互图以及用户
‑
物品类别交互图，通过长期/短期兴趣模块提取出用户长期/短期兴趣特征表达；基于用户新增兴趣动态差分图与丧失兴趣动态差分图，通过兴趣变化趋势模块提取出用户兴趣变化趋势特征表达；基于用户
‑
物品交互图以及用户
‑
物品类别交互图，通过物品模块提取出包含物品类别信息的特征表达；基于用户长期/短期兴趣特征表达、用户兴趣变化趋势特征表达和包含物品类别信息的特征表达，通过推荐模块对用户与物品进行打分，并选择得分高的物品作为给用户推荐的物品。2.根据权利要求1所述的基于动态差分图的推荐方法，其特征是，具体包括：步骤1、对用户兴趣变化的分析样例；步骤2、构建兴趣动态差分图，具体包括：2.1)构建新增兴趣动态差分图；2.2)构建丧失兴趣动态差分图；步骤3、构建包括：用于提取用户的长期/短期兴趣特征表达的长期/短期兴趣建模模块、用于提取物品的特征表达的物品建模模块、用于提取用户的兴趣变化趋势特征表达的兴趣变化趋势建模模块和用于推荐下一时刻其可能会交互的适合物品的推荐模块的推荐系统模型；步骤4、对步骤3构建的推荐系统模型进行训练。3.根据权利要求1或2所述的基于动态差分图的推荐方法，其特征是，t时刻的用户
‑
物品交互图表示用户与物品之间的交互信息，其中：V
U
和V
I
分别表示用户和物品的节点集合，是在t
‑
1时刻与t时刻之间的时间段产生的用户与物品交互的边数据，即当用户u与物品i在t
‑
1与t时刻之间交互过，则中u和i之间存在一条边e
u,i
＝1；在t时刻的用户
‑
类别记录图表示用户与物品类别之间的交互信息。4.根据权利要求1或2所述的基于动态差分图的推荐方法，其特征是，所述的新增兴趣动态差分图为其中：是t时刻的用户
‑
类别交互图，τ是时间间隔长度的超参数，Θ是一个全零矩阵，其大小与相同，max(A,B)表示取矩阵每个位置的A和B之间的较大值；丧失兴趣动态差分图为5.根据权利要求1或2所述的基于动态差分图的推荐方法，其特征是，所述的推荐系统模型的所有建模模块采用嵌入表达层对one
‑
hot编码向量进行处理，然后one
‑
hot编码向量便转化为低维向量，不同类型的节点在嵌入表达层的处理方式类似，用户u的one
‑
hot编码列向量x
u
∈R
m
，则u的嵌入向量e

【专利技术属性】
技术研发人员：朱燕民，祝承宇，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：