【技术实现步骤摘要】
本申请涉及自然语言处理，尤其涉及一种基于用户长短期偏好的推荐方法、装置、电子设备及介质。
技术介绍
1、推荐系统在当今生活扮演着不可或缺的作用，无论是网络购物，新闻阅读，还是视频观看，都有其身影。推荐系统通常使用的模型包括基于内容的推荐模型(content-basedrecommendation)和协同过滤模型(collaborative filtering)。这些模型可以单独使用，也可以结合使用。例如，基于内容的推荐模型(content-based recommendation)通过分析用户过去交互过的商品，来为用户推荐。其实现步骤通常包括以下几个步骤：1、收集数据：收集用户的历史数据，以及商品的相关信息。2、数据预处理：对收集到的数据进行清洗和预处理，以便进行后续的分析和建模。3、特征提取：对商品进行特征提取，提取出能够代表商品内容的特征，如关键词、主题等。4、模型训练：使用收集到的数据对推荐算法进行训练，以便为用户提供更准确的推荐结果。5、结果呈现：将推荐结果呈现给用户，可以通过网页、应用或其他方式进行展示。
2、由此可见，现有的推荐系统都是对用户的历史数据进行笼统的分析，不能针对用户的不同习惯进行合理的调整推荐结果，导致最终得到的推荐结果并不准确。因此，现有技术存在推荐结果不够准确的问题。
技术实现思路
1、有鉴于此，本申请实施例提供了一种基于用户长短期偏好的推荐方法、装置、电子设备及介质，以解决现有技术存在推荐结果不够准确的问题。
2、本申请实施例
3、本申请实施例的第二方面，提供了一种基于用户长短期偏好的推荐装置，包括：获取模块，被配置为获取用户与项目的交互行为数据，形成行为序列；编码模块，被配置为将行为序列输入至向量输入层进行编码，得到行为序列对应的隐向量序列，并将隐向量序列分别输入至卷积变换混合层的局部卷积模块和全局注意力模块中；；第一处理模块，被配置为根据全局注意力模块对隐向量序列建立全局依赖，并生成隐向量序列的全局特征向量；第二处理模块，被配置为根据局部卷积模块对隐向量序列进行局部特征提取，并生成隐向量序列的局部特征向量；自适应处理模块，被配置为将全局特征向量和局部特征向量输入至自适应混合层进行自适应处理，得到自适应特征向量；输出模块，被配置为将自适应特征向量输入至输出层，通过多层感知器和第一激活函数处理，得到候选项目的预测得分，并根据预测得分进行项目推荐。
4、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
5、本申请实施例的第四方面，提供了一种介质，该介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
6、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
7、通过获取用户与项目的交互行为数据，形成行为序列，将行为序列输入至向量输入层中进行编码，得到行为序列对应的隐向量序列，将该隐向量序列分别输入至卷积变换混合层的局部卷积模块和全局注意力模块中。分别提取隐向量序列的局部特征和全局特征，得到局部特征向量和全局特征向量，再将局部特征向量和全局特征向量输入同一个自适应混合层进行自适应处理，得到自适应特征向量，该自适应特征向量融合了全局特征和局部特征并经过自适应处理可以表示用户对于不同类别项目的兴趣，所以可以将该自适应特征向量进一步输入至多层感知器进行处理得到不同项目的预测得分，后续便可以根据该预测得分进行项目推荐。通过对行为序列的局部特征和全局特征分别分析并融合，这样可以学习到用户的短期偏好和长期偏好，进而对用户进行项目推荐，结合用户长短期的偏好使得项目推荐结果更加符合用户的需求，这样便提升了项目预测得分的准确性，便可以根据该预测得分进行项目推荐，使得推荐项目更满足用户的实际需求。
本文档来自技高网...【技术保护点】
1.一种基于用户长短期偏好的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述全局注意力模块对所述隐向量序列建立全局依赖，并生成所述隐向量序列的全局特征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述处理后的隐向量序列经过多头自注意力层和层归一化处理，并经过预设注意力机制进行加权处理，得到所述全局特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述局部卷积模块对所述隐向量序列进行局部特征提取，并生成所述隐向量序列的局部特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述处理后的隐向量序列输入至卷积神经网络模型中进行卷积处理，得到局部特征表示，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述全局特征向量和所述局部特征向量输入至自适应混合层进行自适应处理，得到自适应特征向量，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述自适应系数向量和所述混合向量，得到自适应特征向量，包括：
8.一种
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种介质，所述介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于用户长短期偏好的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述全局注意力模块对所述隐向量序列建立全局依赖，并生成所述隐向量序列的全局特征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述处理后的隐向量序列经过多头自注意力层和层归一化处理，并经过预设注意力机制进行加权处理，得到所述全局特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述局部卷积模块对所述隐向量序列进行局部特征提取，并生成所述隐向量序列的局部特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述处理后的隐向量序列输入至卷积神经网络模型中进行卷积处理，得到局部特征表示，包括...
【专利技术属性】
技术研发人员：杜梦雪，袁子涵，
申请(专利权)人：深圳须弥云图空间科技有限公司，
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。