基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
基于Transformer编码器和深度学习的社交推荐系统


[0001]本专利技术涉及神经网络
，具体为一种基于
Transformer
编码器和深度学习的社交推荐系统
。

技术介绍

[0002]随着推荐系统在商务，社交媒体等方面的广泛应用，越来越多的成功案例证明了向顾客推荐适合的产品或服务可以为服务提供商带来实际的利益，也可以提高用户的产品体验
。
例如，在
Youtobe
上约
60
％的视频播放受到推荐系统的影响，亚马逊销售额的
35
％被推荐技术左右，谷歌新闻
80
％的点击量来源于系统推荐
,
以及各大电商平台的销售量都会受到推荐系统的影响
。
在这样的背景下，性能优秀的推荐系统和优秀的推荐技术显得尤为重要
。
[0003]冷启动问题指的是，现有的推荐系统在面对一个从来没有在该平台购买或使用过的新用户时，无法通过历史的交互数据推断用户的兴趣与喜好，因而无法给新用户推荐合适的物品...

【技术保护点】

【技术特征摘要】
1.
一种基于
Transformer
编码器和深度学习的社交推荐系统包括数据嵌入模块
(1)、
神经网络模块
(2)、
评分预测模块
(3)、
多任务协同调参模块
(4)、
数据初始化模块
(5)、
数据编码模块
(6)、
社交关系序列特征提取模块
(7)
，数据嵌入模块
(1)
的输出端连接神经网络模块
(2)
的输入端，神经网络模块
(2)
的输出端连接评分预测模块
(3)
输入端，评分预测模块
(3)
输出端连接多任务协同调参模块
(4)
输入端
。2.
如权利要求1所述的一种基于
Transformer
编码器和深度学习的社交推荐系统，其特征在于：所述数据嵌入模块
(1)
的内部设置有数据初始化模块
(5)
，数据编码模块
(6)
，社交关系序列特征提取模块
(7)
，所述数据初始化模块
(5)
，数据编码模块
(6)
，社交关系序列特征提取模块
(7)
的整体输出端连接有神经网络模块的输入端
。3.
如权利要求1所述的一种基于
Transformer
编码器和深度学习的社交推荐系统，其特征在于：所述数据初始化模块
(5)
获取用户特征数据，用户社交关系数据用户
‑
商品交互数据并以向量的形式传输给所述数据编码模块
(6)。4.
如权利要求1所述的一种基于
Transformer
编码器和深度学习的社交推荐系统，其特征在于：所述数据编码模块
(6)
获取数据初始化模块的输出，采用
one
‑
hot
编码技术将用户和商品分别完成编码，将编码后的用户
‑
用户向量传输给所述社交关系序列特征提取模块
(7)
，将用户
‑
物品交互矩阵传输给所述神经网络模块
(2)。5.
如权利要求1所述的一种基于
Tra...

【专利技术属性】
技术研发人员：马浚，马永宁，范艳，
申请(专利权)人：兰州大学，
类型：发明
国别省市：