申请/专利权人：中国传媒大学;广东南方新媒体股份有限公司

申请日：2024-04-12

公开（公告）日：2024-07-05

公开（公告）号：CN118037362B

主分类号：G06Q30/0251

分类号：G06Q30/0251;G06F18/23213;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明提供一种基于用户多意图对比的序列推荐方法及系统，方法包括：通过预设的序列编码器分别对用户行为数据的原始序列和增强序列进行处理，获取原始编码向量和增强编码向量；通过EM算法和k‑means聚类算法获取原始意图向量，通过胶囊网络获取增强意图向量；通过自监督对比学习分别获取原始意图向量和增强意图向量之间的相似性以及原始编码向量和增强编码向量之间的相似性；根据原始意图向量和增强意图向量之间的相似性、始编码向量和增强编码向量之间的相似性获取用户多意图偏好表示；根据用户多意图偏好表示、项目偏好表示，获取推荐列表并向用户推荐。利用本发明，能够解决现有基于深度学习的序列推荐存在的意图探索单一和多意图耦合的问题。

主权项：1.一种基于用户多意图对比的序列推荐方法，其特征在于，包括：对用户行为数据进行数据增强，获取增强序列；通过预设的序列编码器分别对所述用户行为数据的原始序列和增强序列进行处理，获取原始编码向量和增强编码向量；通过EM算法和k-means聚类算法对所述原始编码向量进行多意图学习获取原始意图向量，以及，通过胶囊网络对所述增强编码向量进行多意图学习，获取增强意图向量；分别获取所述原始意图向量和所述增强意图向量之间的相似性以及所述原始编码向量和所述增强编码向量之间的相似性，其中，通过对所述原始意图向量和所述增强意图向量进行自监督对比学习，获取所述原始意图向量和所述增强意图向量之间的相似性，以及，通过对所述原始编码向量和所述增强编码向量进行自监督对比学习，获取所述原始编码向量和所述增强编码向量之间的相似性；根据所述原始意图向量和所述增强意图向量之间的相似性、所述原始编码向量和所述增强编码向量之间的相似性，获取用户多意图偏好表示；根据所述用户多意图偏好表示、项目偏好表示，获取推荐列表并向用户推荐；所述数据增强的方式包括遮盖、剪切和重排序，其中，给定一个序列和预定义的数据转换函数集，创建的两个正视图，公式所示如下： 其中，表示特定值，表示用户，表示时间，和表示从随机采样的转换函数，以创建序列的不同视图；在通过对所述原始编码向量和所述增强编码向量进行自监督对比学习，获取所述原始编码向量和所述增强编码向量之间的相似性的过程中，通过InfoNCE损失进一步优化序列编码器的参数，采用公式为：其中，表示增强编码向量；表示点积； 表示序列的负视图。

全文数据：

权利要求：

百度查询： 中国传媒大学 广东南方新媒体股份有限公司 基于用户多意图对比的序列推荐方法及系统

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