用户行为解耦与意图学习的推荐方法及系统技术方案

本发明专利技术提供了一种用户行为解耦与意图学习的推荐方法和系统，包括：构建物品标题集合；计算信息熵，得到每个物品自身的主题分散度；划分出购物物品集；进而得出当前会话的主导物品以及其它物品与所述主导物品的相似度向量；进而得出所述购物物品集的概率分布；并且检索出邻居会话集合，构建邻居会话图，得出当前会话的邻居会话的表征与经超图卷积学习后的会话的表征；对比学习所述表征之间的互信息，得出对比学习损失；表征加权融合，得到并通过所述最终混合表征和物品标题集合提供的候选项目表征，进而得出推荐列表。本发明专利技术通过解耦用户行为，综合考虑用户的固有意图和激发意图，帮助商家捕捉用户意图，从而提高推荐的准确性和用户的黏着度。

【技术实现步骤摘要】

本专利技术属于互联网服务，具体地，涉及用户行为解耦与意图学习的推荐方法及系统。

技术介绍

1、推荐系统，即rss，recommender systems通过分析用户与物品的历史交互，从庞大的候选列表中定位用户需要的物品。为了满足用户的即时需求，下一项推荐算法将交互范围限制在当前会话中，然后，预测他们即将交互的项目。用户意图是影响用户与下一项交互的关键因素，当用户具有明确的意图时，他们更倾向于选择与其意图相关的项目。理解、利用用户意图对于设计与优化推荐系统，以及提供个性化用户体验至关重要。因此，为下一个项目推荐，建模用户意图最近已经成为一个热门的研究点。

2、目前，现有的基于意图的推荐方法，通常是从会话中最具代表性的项目中识别用户的固有意图。然而，这些方法往往忽略了在各种上下文方面偏离多数的“意外项”的存在。相比之下，许多基于多意图的推荐方法假设用户的决策可能受到多个意图的影响。尽管这些基于多意图的推荐模型将“意外项”认为是次要意图，但是，在生成推荐时，它们仍然倾向于低估这些罕见行为的重要性。然而，这些“意外项”总是出现在会话中，并且可以作为用户本文档来自技高网...

【技术保护点】

1.一种用户行为解耦与意图学习的推荐方法，其特征在于，包括：

2.根据权利要求1所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤S1中：

3.根据权利要求2所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤S2中：

4.根据权利要求3所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤S3中：

5.根据权利要求4所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤S5中，所述对比学习损失，数学表达式为：

6.一种用户行为解耦与意图学习的推荐系统，其特征在于，包括：

7.根...

【技术特征摘要】

1.一种用户行为解耦与意图学习的推荐方法，其特征在于，包括：

2.根据权利要求1所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤s1中：

3.根据权利要求2所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤s2中：

4.根据权利要求3所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤s3中：

5.根据权利要求4所述的用户行为解耦与意图学习的推荐方法，其特征在于，在所述步骤s5中，所述对比学习损失，数学表达式为：

...

【专利技术属性】
技术研发人员：朱能军，孙凌丹，
申请(专利权)人：上海大学，
类型：发明
国别省市：