【技术实现步骤摘要】
一种针对服装序列推荐的用户偏好建模方法
[0001]本专利技术涉及一种针对服装序列推荐的用户偏好建模方法，属于人工智能、机器学习领域。
技术介绍
[0002]服装序列推荐是利用神经网络将用户和服装的交互建模为动态序列并且利用序列来捕捉用户偏好以向用户推荐服装的技术。服装序列推荐可以根据用户—服装交互序列向用户推荐符合其交互风格的服装，在服装设计、服装搭配、服装风格预测等具有广阔的应用前景。公知的方法考虑到存在不同服装属性，使用例如Bi
‑
LSTM结构、GNN结构、SCE
‑
Net结构、GAN结构，旨在通过提取服装特征以提升推荐精度。然而仅仅考虑服装特征不能很好的考虑用户—服装交互关系，对于服装序列推荐中用户—服装交互序列不能很好的建模。就技术而言，服装序列推荐仍有一些关键问题未得到较好解决，主要体现在三个方面：1）用户偏好是动态变化的，序列中连续的服装间关系不固定，难以直接建模动态用户偏好；2）服装属性难以量化，一些服装属性没有固定的优劣，不易确定用户对其意图；3）用户—服装交互与服装属性...
【技术保护点】
【技术特征摘要】
1.一种针对服装序列推荐的用户偏好建模方法，其特征在于：包括以下步骤：步骤一 对输入的用户行为数据集中的用户—服装交互序列进行偏好提取，得到用户—服装的长期偏好、短期偏好及主观偏好；步骤二 基于用户—服装的长期偏好、短期偏好构建偏好学习模块，自动度量输入偏好权重，得到动态偏好；步骤三 通过定义包含多用户意图感知注意力机制的意图感知模块，根据多个用户—服装交互子序列对当前用户的主观偏好进行学习，引入知识库并定义交互意图集以融合服装特征，计算意图感知重要性得到意图偏好；步骤四 定义统一偏好空间，对动态偏好和意图偏好进行偏好融合并将基于时序与意图两种空间的偏好融合到该偏好空间中，输出最终用户—服装的总体偏好。2.根据权利要求1所述的一种针对服装序列推荐的用户偏好建模方法，其特征在于：所述步骤一的具体过程如下：首先，对输入的用户集U和项目集I中的用户—服装交互序列构建无向图G={V,E,A}，其中是用户，是用户—服装交互序列长度，其中V是服装项目点集，E是交互边集，A是图G的邻接矩阵，是用户的首个项目；其次，根据构建出的无向图得到用户—服装项目点集，其中是单个服装项目嵌入；通过对嵌入及其邻域点集嵌入计算注意评分，其中Attention是以LeakyReLU为激活函数的两层前馈神经网络，是单个节点的嵌入向量且是邻域点集的嵌入平均值，是可训练矩阵，是拼接向量，是Hadamard积；再利用目标节点与源节点的相关性计算注意评分，其中为源节点嵌入，为目标节点嵌入，是可训练矩阵；基于两个注意力评分，使用softmax函数计算归一化注意系数，其中控制目标节点接收信息，控制节点发送信息，是点集V中其他目标节点与源节点相关性注意评分；基于归一化注意系数得到新的节点嵌入矩阵，其中，节点的嵌入向量，其中是非线性函数，是可训练矩阵；然后，通过GNN池化得到矩阵，其中是权值矩阵，池化图的邻接矩阵经过相对位置正则化得到用户核心偏好序列；采用2个共享权重的RNN网络分别提取得到用户—服...
【专利技术属性】
技术研发人员：刘骊，田志轩，付晓东，彭玮，刘利军，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。