【技术实现步骤摘要】
本专利技术涉及推荐系统，尤其涉及一种基于因果流行度去偏的项目推荐方法和系统。
技术介绍
1、推荐系统利用用户历史行为信息挖掘用户兴趣与项目属性之间的匹配关系，然后根据预测的匹配分数为每个用户生成其可能感兴趣的推荐项目列表，从而快速并准确地为用户提供个性化的推荐服务。然而，受到流行度偏差的影响，推荐系统中的少数流行商品将变得越来越流行，更容易得到用户关注，而大多数不流行商品越来越不容易被曝光，导致推荐系统中的“马太效应”。
2、目前可用于流行度去偏的模型框架包括：模型不可知的反事实推理(model-agnostic counterfactual reasoning，macr)框架通过建立推荐过程的因果图(因果图中从用户变量和项目变量分别指向推荐结果的边表示项目流行度对推荐结果的负面影响)，利用反事实推断的因果方法，将受流行度影响的推荐结果视为超参数，并在预测匹配分数时去除；流行度偏差去混杂和校正(popularity-bias deconfounding and adjusting，pda)框架提出项目流行度的影响具有两面性，...
【技术保护点】
1.一种基于因果流行度去偏的项目推荐方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户嵌入向量是基于嵌入技术对用户的数据进行矢量化表示获得的；
3.根据权利要求1所述的方法，其特征在于，所述基于任一项目嵌入向量、与该项目嵌入向量对应的项目流行度、任一用户嵌入向量和预存储的推荐模型得到匹配分数，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述匹配分数和所述一致性分数得到训练目标函数，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述训练目标函数迭代优化所述用...
【技术特征摘要】
1.一种基于因果流行度去偏的项目推荐方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户嵌入向量是基于嵌入技术对用户的数据进行矢量化表示获得的；
3.根据权利要求1所述的方法，其特征在于，所述基于任一项目嵌入向量、与该项目嵌入向量对应的项目流行度、任一用户嵌入向量和预存储的推荐模型得到匹配分数，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述匹配分数和所述一致性分数得到训练目标函数，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述训练目标函数迭代优化所述用户嵌入向量和所述项目嵌入向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于每个已曝光的项目对应的各个历史时间段的项目流行度，得到每个项目对应的固定项目流行度...
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。