申请/专利权人：齐鲁工业大学

申请日：2020-08-28

公开（公告）日：2024-07-05

公开（公告）号：CN112115352B

主分类号：G06F16/9535

分类号：G06F16/9535;G06N3/045;G06N3/0499;G06N3/0985;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本发明公开了基于用户兴趣的会话推荐方法及系统，包括：根据获取的用户曾点击过的物品时间序列，构造加权有向会话图；获取加权有向会话图中每个节点的最终向量表示；根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；将加入位置信息的物品嵌入向量，输入到Transformer层中，输出更新后的加入位置信息的物品嵌入向量；对更新后的加入位置信息的物品嵌入向量，提取长期兴趣表示和当前偏好表示，得到最终的会话嵌入向量；基于最终的会话嵌入向量，进行候选物品的推荐。

主权项：1.基于用户兴趣的会话推荐方法，其特征是，包括：根据获取的用户曾点击过的物品时间序列，构造加权有向会话图；获取加权有向会话图中每个节点的最终向量表示；获取加权有向会话图中每个节点的最终向量表示；具体步骤包括：根据加权有向会话图获取对应的邻接矩阵；对邻接矩阵中的权重进行归一化操作；利用归一化后的邻接矩阵，学习加权有向会话图的每个节点的邻居节点信息；节点间信息传播的过程如下所示：ol＝ConcatMiEl-1Wi,MoEl-1Wo+b其中Wi,Wo∈Rd×d为参数矩阵，b∈Rd为偏置向量； 为会话图中全部节点向量，Mi,Mo∈Rd×d分别表示入度矩阵和出度矩阵，根据加权有向会话图中每个节点的邻居节点信息，更新每个节点的信息；得到加权有向会话图中所有节点的向量表示；对不同层的节点的向量表示进行聚合操作，作为加权有向会话图的节点的最终向量表示；根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；具体步骤包括：根据加权有向会话图的节点的最终向量表示，获取会话内所有物品的嵌入向量；将会话内所有物品的嵌入向量，与位置编码矩阵进行位置编码处理，得到加入位置信息的物品嵌入向量；所述位置编码矩阵为：P＝[p1，p2，…，pk]∈Rk×d其中k代表了会话的最大长度，最终加入位置信息的物品嵌入向量计算如下： 将加入位置信息的物品嵌入向量，输入到Transformer层中，输出更新后的加入位置信息的物品嵌入向量；对更新后的加入位置信息的物品嵌入向量，提取长期兴趣表示和当前偏好表示，得到最终的会话嵌入向量；使用多头注意力来捕获序列中不同角度的关联关系，公式如下：F＝MhEp＝Concathead1，head2，…，headhWH；headi＝AttentionEpWQ，EpWK，EpWV；其中WQ，WK，Wv∈Rd×d是可学习的矩阵，Ep是会话中所有物品的嵌入向量，h代表多头注意力中头的数量；基于最终的会话嵌入向量，进行候选物品的推荐；构造加权有向会话图；具体步骤包括：将用户每次点击过的物品作为节点，如果两件物品之间有先后点击的顺序，则对应的两个节点之间有带箭头的连接线，连接线的权重为一个会话中用户点击相邻两件物品的次数，权重越大表示相邻两个节点的关联性越大；首先，把每一个会话序列建模成带权有向图的形式Gs＝Vh，We，Vr，其中头节点Vh＝{v1，v2，…，vn}和尾节点Vr＝{v1，v2，…，vn}为会话序列中物品的集合，序列中相邻的物品Vh，Vr代表了用户的点击顺序，也就是用户在点击了Vh之后又点击了Vr；We代表了边上的权重，它被定义为一个会话中用户点击子序列Vh,Vr出现的次数。

全文数据：

权利要求：

百度查询： 齐鲁工业大学 基于用户兴趣的会话推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD