【技术实现步骤摘要】
本专利技术涉及推荐系统，尤其涉及一种基于反事实学习的去偏置认知推荐方法及系统。
技术介绍
1、现有的推荐方法主要包括基于深度学习和基于知识图谱的推荐方法，其中，对于基于深度学习的推荐方法，有关研究提出了协同深度过滤方法，此方法通过堆栈去噪自编码器处理用户评论文本信息来学习用户和物品的语义表示，联合协同过滤方法预测用户评分，以提高推荐准确率，同时也有研究提出了协同注意力多任务学习框架，该框架在传统的编码器-解码器框架基础上，引入了编码器-选择器-解码器的结构，通过设计层次化的协同注意力选择器，促进推荐预测和解释生成两个任务间交叉语义的知识迁移，提高了推荐准确率，此外，也有研究者在图协同过滤模型的基础上进行优化，提出了基于增强图学习的协同过滤模型，该模型根据用户和物品间的相似关系构建增强图，并利用图卷积网络来学习用户和物品的特征表示，设计局部-全局优化函数实现模型优化。
2、然而，深度学习模型通常包含深度嵌套的非线性结构，使得确定影响推荐决策的具体因素变得困难，导致其在动态变化的环境、对抗干扰与虚假信息情况下鲁棒性显著下降，而且...
【技术保护点】
1.一种基于反事实学习的去偏置认知推荐方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于，所述用户行为意图演化模型包括串联的循环神经网络和用户行为意图记忆网络模型；所述将所述用户行为表征序列输入预先构建的用户行为意图演化模型中动态学习用户行为意图演化，得到用户行为意图演化状态表示的步骤包括：
3.如权利要求2所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于：用户行为意图记忆网络模型包括记忆矩阵和记忆控制器，所述记忆矩阵包括若干记忆槽；
4.如权利要求1所述的一种基于反事...
【技术特征摘要】
1.一种基于反事实学习的去偏置认知推荐方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于，所述用户行为意图演化模型包括串联的循环神经网络和用户行为意图记忆网络模型；所述将所述用户行为表征序列输入预先构建的用户行为意图演化模型中动态学习用户行为意图演化，得到用户行为意图演化状态表示的步骤包括：
3.如权利要求2所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于：用户行为意图记忆网络模型包括记忆矩阵和记忆控制器，所述记忆矩阵包括若干记忆槽；
4.如权利要求1所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于，所述基于反事实学习的双重鲁棒去偏置推荐预测损失估计器包括倾向分数估计器和插补错误评估器；所述利用基于反事实学习的多任务去偏置认知优化推荐模型对用户行为状态表征和物品表征进行预测，得到用户-物品偏好优化评分的步骤包括：
5.如权利要求4所述的一种基于反事实学习的去偏置认知推荐方法，其特征在于：所述用户-...
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。