基于深度学习的个性化装修方案推荐方法、系统及介质技术方案

本发明专利技术公开了一种基于深度学习的个性化装修方案推荐方法、系统及介质，包括：获取用户与装修项目的交互行为数据，提取若干兴趣向量，结合用户特征生成兴趣向量序列；构建以用户及装修项目为节点的异构图，通过图卷积神经网络根据用户的兴趣特征在异构图中进行学习表示，获取用户及装修项目的特征向量表示；构建装修方案推荐模型，基于所述兴趣向量序列获取兴趣变化特征导入装修方案推荐模型，预测装修项目的相关性；根据装修项目的相关性排序为用户进行推荐，并获取用户反馈信息优化装修方案推荐模型。本发明专利技术通过结合用户的动态偏好特征及房屋属性特征为用户推荐个性化装修方案，节省了用户的大量的时间及精力并且提升用户的体验。的体验。的体验。

【技术实现步骤摘要】
基于深度学习的个性化装修方案推荐方法、系统及介质


[0001]本专利技术涉及装修
，更具体的，涉及一种基于深度学习的个性化装修方案推荐方法、系统及介质。

技术介绍

[0002]传统家装行业中，人们在对客户进行家装装修内容时，大多采用图纸的方式来呈现给客户，使得客户的体验感差，而近年来互联网技术的高速发展以及人们消费水平的提高， 越来越多的人选择通过线上的方式获取和浏览信息，家装市场电子商务化也越来越全面，推荐引擎类似于我们实际生活中的产品推荐员的作用，为人们在进行家庭装修过程中选择合适的家装方案提供了极大的便利，同时也为家装网站带来更多的价值。
[0003]目前， 个性化推荐算法是根据用户的历史交互数据，通过算法主动为用户推荐恰当资源的技术，现已被广泛应用于电商、教育等领域。传统的个性化推荐算法大多依赖用户的显式交互记录特征来得到推荐结果，往往导致推荐结果缺乏时效性和新鲜感，并且用户的兴趣多样且不断变化导致其无法被准确表示以及对于语义关系的挖掘不充分从而影响推荐模型的准确度及泛化能力等。因此，有必要在深入了解用户行为和具体实际情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的个性化装修方案推荐方法，其特征在于，包括以下步骤：获取用户与装修项目的交互行为数据，根据所述交互行为数据提取若干兴趣向量，结合用户特征生成兴趣向量序列，通过所述兴趣向量序列表征用户的兴趣特征；根据所述交互行为数据构建以用户及装修项目为节点的异构图，通过图卷积神经网络根据用户的兴趣特征在异构图中进行学习表示，获取用户及装修项目的特征向量表示；构建装修方案推荐模型，基于所述兴趣向量序列获取兴趣变化特征，将所述兴趣变化特征导入所述装修方案推荐模型，更新用户及装修项目的特征向量表示，预测装修项目的相关性；根据装修项目的相关性排序为用户进行推荐，并获取用户反馈信息优化所述装修方案推荐模型。2.根据权利要求1所述的一种基于深度学习的个性化装修方案推荐方法，其特征在于，获取用户与装修项目的交互行为数据，根据所述交互行为数据提取若干兴趣向量，生成兴趣向量序列，具体为：获取用户的房屋基本信息，根据所述房屋基本信息提取房屋特征，将所述房屋特征结合用户基本信息生成用户特征；提取用户与装修项目的交互行为数据，将所述交互行为数据进行数据清洗，构建交互行为数据集，对所述交互行为数据集进行聚类分析，利用粒子群算法进行聚类数量的寻优，获取最佳聚类数量；在所述交互行为数据集中根据所述最佳聚类数量随机选取初始聚类中心，根据交互行为数据点到初始聚类中心的欧式距离，分配至距离最近的初始聚类中心生成类簇；在迭代中根据类簇均值设置新聚类中心，迭代结束后获取聚类结果进行特征提取生成用户的兴趣向量，结合用户特征生成兴趣向量序列；将所述兴趣向量序列导入自注意力网络，利用自注意力机制获取各兴趣向量的注意力得分；根据所述注意力得分构建注意力矩阵，并通过所述注意力矩阵获取耦合系数矩阵，通过所述耦合系数矩阵对所述兴趣向量进行加权求和，表征用户的兴趣特征。3.根据权利要求1所述的一种基于深度学习的个性化装修方案推荐方法，其特征在于，通过图卷积神经网络根据用户的兴趣特征在异构图中进行学习表示，具体为：根据用户的交互行为数据构建异构图，将用户及装修项目作为节点，并根据用户与装修项目的交互设置边结构，将所述异构图定义为，为节点的集合，为边结构集合；根据用户的兴趣特征基于相似度计算在所述异构图中获取用户节点及装修项目节点的邻接矩阵，将所述异构图存储为邻接矩阵形式；通过图卷积神经网络进行节点的学习表示，进行邻域信息的前向传播，聚合自身及邻接矩阵的信息，更新用户节点及装修项目节点的特征表示，将各卷积层的节点特征进行整合，获取用户及装修项目的特征向量表示。4.根据权利要求1所述的一种基于深度学习的个性化装修方案推荐方法，其特征在于，构建装修方案推荐模型，具体为：
通过图卷积神经网络结合多头注意力机制构建装修方案推荐模型，根据异构图中不同用户节点之间边结构和不同装修项目节点之间边结构分别构建用户子图及装修项目子图；将异构图中得到用户及装修项目特征向量表示作为全局表示，利用图卷积神经网络根据用户兴趣特征对用户子图及装修项目子图进行表示；在用户邻域中生成用户特征向量局部表示，在装修项目邻域中获取装修项目特征向量局部表示，通过用户及装修项目的全局表示及局部表示获取不同维度的特征表示；引入多头注意力机制获取用户及装修项目对应全局表示及局部表示的自注意力权重，利用所述自注意力权重进行加权求和，分别生成用户及装修项目的最终特征向量表示。5.根据权利要求1所述的一种基于深度学习的个性化装修方案推荐方法，其特征在于，基于所述兴趣向量序列获取兴趣变化特征，将所述兴趣变化特征导入所述装修方案推荐模型，更新用户及装修项目的特征向量表示，预测装修项目的相关性，具体为：根据用户的交互行为数据更新用户的兴趣向量序列，将所述兴趣向量序列导入门控循环单元，在所述门控循环单元中引入卷积自编码进行兴趣向量进行重构；将重构后的兴趣向量导入GRU层，学习兴趣向量之间的时间相关性特征，利用全连接层获取用户的兴趣变化特征，根据...

【专利技术属性】
技术研发人员：罗伟科，杨帅，罗飞达，王乐生，罗飞明，
申请(专利权)人：深圳建安建筑装饰集团有限公司，
类型：发明
国别省市：