【技术实现步骤摘要】
本专利技术涉及一种基于注意力机制与高阶特征交互的在线知识分享推荐方法。
技术介绍
1、在线用户在知识共享平台(比如海外的quora、stackoverflow和国内的知乎)上发布和回答来自不同学科的问题。这些平台通过分析用户的个人资料和历史记录交互，向他们推荐新的问题。然而，由于用户的兴趣和背景非常广泛以及平台涉及了海量的在线资源，他们往往需要在众多问题中做出选择，这可能导致用户无法直接获取他们感兴趣的在线资源。如果问题选择过程过于繁琐，用户可能会感到沮丧并最终选择离开，这与平台旨在促进用户参与和知识分享的初衷背道而驰。
2、传统的推荐系统方法，如基于内容/用于的协同过滤，由于在处理大规模数据集时面临可扩展性挑战以及难以有效建模高阶特征的问题，已逐渐无法满足当前大量、复杂且动态变化数据的需求。
3、先前的研究[2]提出了一种混合模型，将学习管理系统、一套web2.0工具和e-learning推荐系统相结合，以增强个性化的在线学习。然而，该工作并未提供在线学习服务推荐系统的技术创新，只是单纯的将现有技术进行组合，无...
【技术保护点】
1.一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，在模型中加入高阶特征交互神经网络，并将高阶特征交互和注意力机制结合，同时引入深度神经网络，与交互神经网络相结合。
2.根据权利要求1所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，包括：
3.根据权利要求2所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，用户和物品相关信息的高维向量，包含用户和物品之间交互的历史记录以及用户和物品的附带信息。
4.根据权利要求2所述的一种基于注意力机制与高阶特征交互的在线知识分享...
【技术特征摘要】
1.一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，在模型中加入高阶特征交互神经网络，并将高阶特征交互和注意力机制结合，同时引入深度神经网络，与交互神经网络相结合。
2.根据权利要求1所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，包括：
3.根据权利要求2所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，用户和物品相关信息的高维向量，包含用户和物品之间交互的历史记录以及用户和物品的附带信息。
4.根据权利要求2所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，嵌入层的嵌入操作表述为：
5.根据权利要求2所述的一种基于注意力机制与高阶特征交互的在线知识分享推荐方法，其特征在于，交互神经网络由若干层组成，每一层都是一个特征交互的操作，对于每个交互层，特征交互的操作...
【专利技术属性】
技术研发人员：林佳胤，张永培，林铭炜，沈俊，余深宝，
申请(专利权)人：福建师范大学，
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。