申请/专利权人：齐鲁工业大学

申请日：2021-08-09

公开（公告）日：2024-07-05

公开（公告）号：CN113570154B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0639;G06Q30/0601;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2021.11.16#实质审查的生效;2021.10.29#公开

摘要：本发明公开了融合用户动态兴趣的多粒度交互推荐方法及系统，获取物品评论集和用户评论集；基于物品评论集和用户评论集，获取基于物品评论的多粒度表示和用户评论的多粒度表示；基于物品评论的多粒度表示和用户评论的多粒度表示，获取基于评论特征交互的预测得分；基于物品评论的多粒度表示和用户评论的多粒度表示，获取用户动态兴趣与物品的相似性得分；将基于评论特征交互的预测得分，和用户动态兴趣与物品的相似性得分，输入到门控单元中，得到目标用户给物品的预测得分；按照预测得分由高到低对物品进行排序，排序后的物品进行推荐。本发明利用用户的动态兴趣个性化建模物品的表示，最终得到用户与物品的兴趣度匹配。

主权项：1.融合用户动态兴趣的多粒度交互推荐方法，其特征是，包括：获取物品评论集和用户评论集；基于物品评论集和用户评论集，获取基于物品评论的多粒度表示和用户评论的多粒度表示；基于物品评论的多粒度表示和用户评论的多粒度表示，获取基于评论特征交互的预测得分；基于物品评论的多粒度表示和用户评论的多粒度表示，获取用户动态兴趣与物品的相似性得分；将基于评论特征交互的预测得分，和用户动态兴趣与物品的相似性得分，输入到门控单元中，得到目标用户给物品的预测得分；按照预测得分由高到低对物品进行排序，排序后的物品进行推荐；所述基于物品评论的多粒度表示和用户评论的多粒度表示，获取基于评论特征交互的预测得分；具体包括：物品评论的多粒度表示，采用第一多头注意力层进行处理，得到物品评论的个性化表示；基于用户评论的多粒度表示，采用第二多头注意力层进行处理，得到用户评论的个性化表示；将物品评论的个性化表示与用户评论的个性化表示相乘得到交互矩阵，对交互矩阵列项相加，得到交互向量；基于交互向量，得到基于评论特征交互的预测得分；所述基于物品评论的多粒度表示和用户评论的多粒度表示，获取用户动态兴趣与物品的相似性得分；具体包括：将物品评论的多粒度表示和每条评论发出者的用户ID向量表示进行拼接，将拼接后的向量表示输入到第一具有有序神经元的长短期记忆网络ON-LSTM，得到融合用户兴趣和物品评论中层级关系的物品表示；所述每条评论发出者的用户ID向量表示，是将每条评论发出者的用户ID输入到用户嵌入层embedding后得到的；用户ID向量表示学习了用户的行为特征；将用户评论的多粒度表示进行拼接，将拼接结果与目标用户ID向量表示，输入到第二具有有序神经元的长短期记忆网络ON-LSTM，目标用户ID向量表示作为ON-LSTM的初始化隐藏状态；将第二具有有序神经元的长短期记忆网络ON-LSTM的输出值再输入到平均池化层中，得到用户动态兴趣偏好表示；将融合用户兴趣与物品评论中层级关系的物品表示，和用户动态兴趣偏好表示，输入到多层感知器中，得到用户动态兴趣与物品的相似性得分；所述方法，采用深度学习模型来实现，深度学习模型的具体结构包括：词嵌入层，所述词嵌入层的输入端用于输入物品评论和用户评论；所述词嵌入层的输出端分别与第一扩张卷积层的输入端和第二扩张卷积层的输入端连接；采用mean-pooling作为卷积的输出；第一扩张卷积层的输出端与第一多头注意力层的输入端连接；第二扩展卷积层的输出端与第二多头注意力层的输入端连接；第一多头注意力层的输出端与逆点积层的输入端连接，第二多头注意力层的输出端与逆点积层的输入端连接；逆点积层的输出端与第一预测层连接；所述预测层通过全连接层来实现；第一扩张卷积层的输出端与第一具有有序神经元的长短期记忆网络ON-LSTM的输入端连接；第二扩张卷积层的输出端与第二具有有序神经元的长短期记忆网络ON-LSTM的输入端连接；第一具有有序神经元的长短期记忆网络ON-LSTM的输出端与注意力机制层的输入端连接；注意力层的输出端与第二预测层连接；第二具有有序神经元的长短期记忆网络ON-LSTM的输出端与平均池化层的输入端连接，平均池化层的输出端与注意力层的输入端连接；第一具有有序神经元的长短期记忆网络ON-LSTM的输入端还与用户嵌入层embedding的输出端连接；第二具有有序神经元的长短期记忆网络ON-LSTM的输入端也与用户嵌入层embedding的输出端连接；第一多头注意力层的输入端和第二多头注意力层的输入端，均与用户嵌入层embedding的输出端连接。

全文数据：

权利要求：

百度查询： 齐鲁工业大学 融合用户动态兴趣的多粒度交互推荐方法及系统

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