System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于一种推荐方法,涉及一种基于跨域推荐的冷启动用户就业单位推荐方法及相关装置。
技术介绍
1、近年来,随着高校毕业生数量逐年增长,该群体的就业问题已引起社会及相关学者的广泛关注。在信息爆炸的时代背景下,高校毕业生往往需要花费大量的时间筛选适合的就业信息,常常会因“信息过载”而陷入迷茫。在传统的毕业生就业指导服务过程中,学校配备的学业指导老师资源往往非常有限,且一般只能在特定的时间与地点下提供指导服务,存在服务不及时、忽略学生的个性化需求等问题。
2、推荐领域存在一个经典的问题,冷启动问题,即对全新或交互样本有限的用户或项目进行推荐。其包括用户冷启动(如何给新用户推荐满意的物品)和物品冷启动(如何给用户推荐新物品)。同时,根据交互样本的数量,冷启动问题可分为两个子问题:冷启动阶段和预热阶段。其中,高校毕业生就业推荐就处于冷启动阶段推荐。
3、已有解决冷启动阶段推荐的方法主要有三大类:(1)协同过滤与内容推荐的混合系统,基于标准化特征和相似度度量方式判别相似用户进行协同推荐。如uyangoda等人提出的mcf,利用用户的特征属性计算用户间的相似性和差异性,为学习者推荐适合的电影。该类方法对特征质量敏感,无法很好的服务于当前个性化特征稀缺的场景。(2)电商推荐领域广泛采用的基于特征工程的深度学习模型,利用特征工程和深度学习的泛化性能进行推荐,但是,同样受限于数据的稀缺无法得到充分训练。如gao等人提出的cdne基于异构信息源进行推荐,其将项目信息(如项目结构、文本内容和标记信息)、社交标签信息等多源异
4、但是,上述关于冷启动阶段推荐的解决方案中,基于特征工程的研究,对特征质量敏感,无法很好的服务于当前个性化特征稀缺的场景。已有基于跨域推荐的研究在本场景下存在源域信息挖掘力度不足,同时要求具备足够数量的热用户,学习源域到目标域的转移函数,以更好地泛化至冷启动用户,但当前场景不具备可观数量的热用户,致使转移函数难训练。
技术实现思路
1、本专利技术针对现有关于冷启动阶段推荐的解决方案中,基于特征工程的研究无法很好的服务于当前个性化特征稀缺的场景,基于跨域推荐的方法对于本场景下源域信息的挖掘力度不足,且当前场景热用户稀缺致使转移函数难训练的问题,提出一种基于跨域推荐的冷启动用户就业单位推荐方法及相关装置。
2、为了实现上述目的,本专利技术采用以下技术方案予以实现:
3、第一方面,本申请提出一种基于跨域推荐的冷启动用户就业单位推荐方法,包括:
4、根据目标用户在校期间的课程交互数据,聚合对应课程表征,得到目标用户的源域用户表征;
5、对目标用户的特征进行向量化编码,得到目标用户的目标域初始化用户表征;
6、将目标用户的源域用户表征和目标域初始化用户表征输入至训练后的模型,得到目标用户的目标域用户表征;
7、结合目标用户的目标域用户表征和目标域单位表征进行就业单位推荐;
8、所述训练后的模型通过以下方法训练:
9、以历史用户在校期间的课程i作为源域,得到源域表征;源域表征包括源域用户表征和课程表征
10、分别对历史用户u的特征和各推荐单位c的特征进行向量化编码,作为目标域初始化用户表征和目标域单位表征
11、对源域用户表征和目标域初始化用户表征进行聚合,将聚合结果转移至目标域,得到目标域用户表征。
12、优选地,所述以历史用户在校期间的课程i作为源域,得到源域表征,包括:
13、基于用户在校期间的课程信息,构建用户-课程二部图;
14、对所述用户-课程二部图进行层组卷积聚合,获得作为源域表征的源域用户表征和课程表征
15、优选地,所述根据目标用户在校期间的课程交互数据,聚合对应课程表征,得到目标用户的源域用户表征,包括:
16、基于目标用户的源域交互记录,结合注意力机制,聚合课程表征,得到源域用户表征
17、优选地,所述分别对历史用户u的特征和各推荐单位c的特征进行向量化编码,作为目标域初始化用户表征和目标域单位表征包括:
18、针对用户u的特征和各推荐单位c的特征,若为稀疏特征,通过embedding表将其映射为4维固定向量,若为稠密特征,基于单层网络升维处理为4维向量;
19、分别对用户u和各推荐单位c的所有维特征进行拼接,得到目标域初始化用户表征和目标域单位表征
20、优选地,所述将聚合结果转移至目标域,包括:
21、作为一个元桥优化任务,以聚合结果作为元桥fθ的输入,为每个用户生成一个转移桥bu,将聚合表征转移至目标域,得到目标域用户表征
22、优选地,所述聚合对应课程表征,得到目标用户的源域用户表征,包括:
23、结合注意力机制聚合对应课程表征,得到目标用户的源域用户表征。
24、优选地,所述进行就业单位推荐,包括:
25、根据目标用户与历史用户的目标域用户表征确定目标用户与历史用户的相似度;
26、根据目标用户与历史用户的相似度,以及交互记录的向量,得到各就业单位的推荐评分,用于进行就业单位推荐。
27、第二方面,本申请提出一种基于跨域推荐的冷启动用户就业单位推荐系统,包括:
28、源域用户表征模块,用于根据目标用户在校期间的课程交互数据,聚合对应课程表征,得到目标用户的源域用户表征;
29、编码模块,用于对目标用户的特征进行向量化编码,得到目标用户的目标域初始化用户表征;
30、目标域用户表征模块,用于将目标用户的源域用户表征和目标域初始化用户表征输入至训练后的模型,得到目标用户的目标域用户表征;
31、推荐模块,用于结合目标用户的目标域用户表征和目标域单位表征进行就业单位推荐;
32、训练模块,用于得到训练后的模型,所述训练后的模型通过以下方法训练:
33、以历史用户在校期间的课程i作为源域,得到源域表征;源域表征包括源域用户表征和课程表征
34、分别对历史用户u的特征和各推荐单位c的特征进行向量化编码,作为目标域初始化用户表征和目标域单位表征
35、对源域用户表征和目标域初始化用户表征进行聚合,将聚合结果转移至目标域,得到目标域用户表征。
36、第三方面,本申本文档来自技高网...
【技术保护点】
1.一种基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,包括:
2.根据权利要求1所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述以历史用户在校期间的课程i作为源域,得到源域表征,包括:
3.根据权利要求2所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述根据目标用户在校期间的课程交互数据,聚合对应课程表征,得到目标用户的源域用户表征,包括:
4.根据权利要求3所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述分别对历史用户u的特征和各推荐单位c的特征进行向量化编码,作为目标域初始化用户表征和目标域单位表征包括:
5.根据权利要求4所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述将聚合结果转移至目标域,包括:
6.根据权利要求5所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述聚合对应课程表征,得到目标用户的源域用户表征,包括:
7.根据权利要求6所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述进行就业单位推荐,包括:
...【技术特征摘要】
1.一种基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,包括:
2.根据权利要求1所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述以历史用户在校期间的课程i作为源域,得到源域表征,包括:
3.根据权利要求2所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述根据目标用户在校期间的课程交互数据,聚合对应课程表征,得到目标用户的源域用户表征,包括:
4.根据权利要求3所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述分别对历史用户u的特征和各推荐单位c的特征进行向量化编码,作为目标域初始化用户表征和目标域单位表征包括:
5.根据权利要求4所述基于跨域推荐的冷启动用户就业单位推荐方法,其特征在于,所述将聚合结果转移至目标域,包括:
6.根据权利要...
【专利技术属性】
技术研发人员:朱海萍,赵怡菲,陈妍,李文浩,
申请(专利权)人:西安交通大学,
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。