买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明属于数据推荐技术领域，公开了一种基于会话序列的海洋环境数据推荐方法及系统，该方法包括S1、会话序列输入：输入数据为用户最近的n个历史下载记录组成的会话序列，每个会话序列从海洋环境数据集中获取每个数据项相应的属性；S2、序列属性嵌入：S3、利用图神经网络层和时序卷积网络层，捕获用户在会话序列中的短期兴趣；S4、利用自注意力网络层，捕获用户在会话序列中的长期偏好；S5、同时结合短期兴趣和长期偏好进行预测，获得的预测结果是会话的下一个点击项。通过本发明将用户短期兴趣和长期偏好结合，提供更好的预测结果。

主权项：1.一种基于会话序列的海洋环境数据推荐方法，其特征在于，包括以下步骤：S1、会话序列输入：输入数据为用户最近的n个历史下载记录组成的会话序列，每个会话序列从海洋环境数据集中获取每个数据项相应的属性；S2、序列属性嵌入：S3、利用图神经网络层和时序卷积网络层，捕获用户在会话序列中的短期兴趣；步骤S3捕获短期兴趣的方法是，先获取会话序列的属性嵌入表示，然后利用图神经网络层获取数据嵌入表示，随后将两者拼接在一起，得到会话中每个数据项的全局表示；同时，在图神经网络层之后，利用时序卷积网络层对会话序列进一步处理，捕获会话序列中的远程依赖关系；步骤S3捕获短期兴趣的具体步骤如下：S31、数据嵌入：使用图神经网络将会话序列S＝[S1,S2,...,Sn]建模为有向图结构，将每个数据项si∈V视为一个节点，将si-1,si视为边，表示用户在会话S中在si-1之后下载了si；并学习节点的上下文表示，获取节点表示：a.设分别表示有向图中的入度矩阵和出度矩阵，不同节点之间的信息传播表示为： 其中，是参数矩阵，是偏置向量，是节点st对应的出入度矩阵中的第t行，at为节点st提取邻居的上下文信息；b.对于有向图的每个节点，使用图神经网络获取节点的数据嵌入表示ht，节点向量表示通过图神经网络学习的数据项v的隐向量；c.将步骤S2得到的序列的属性嵌入表示和步骤b得到的序列的数据嵌入表示拼接在一起，得到会话中每个数据项的全局表示：ut＝[ht；ct]其中，ht和ct分别表示会话中每个数据项的数据嵌入和属性嵌入；S32、在步骤b的基础上，利用时序卷积网络层进一步建模非相邻项对当前数据项的影响，得到会话序列的短期兴趣,具体如下：d.对于图神经网络得到的每个节点的向量表示进行因果和膨胀卷积的计算，进一步抽取会话序列信息，计算如下： 其中，f是卷积核，d是膨胀系数，k是卷积核的大小，j表示网络的第j层；e.采用时序卷积网络层中的最后一项的输出作为用户在会话序列的兴趣表示，捕获用户的短期兴趣，表示如下：Slocal＝FhlastFhlast表示时序卷积网络的计算过程，hlast指最后一个输入项；S4、利用自注意力网络层，捕获用户在会话序列中的长期偏好；步骤S4中，利用多头注意力机制和前馈神经网络组成自注意力网络层，聚合序列中所有数据项属性之间的关系，得到会话序列的长期偏好，步骤如下：S41、获得多头注意力机制下的向量表示：自注意力机制的计算公式如下： 不同的注意力头关注不同位置的信息，不同注意力头的输出最后拼接在一起，经过线性变换得到跟输入维度相同的输出向量So：So＝φE＝Concathead1,head2,...,headhWH每个注意力头的计算如下所示： 其中，WiQ∈Rd×dh，WiK∈Rd×dh，WiV∈Rd×dh，是三个训练参数矩阵，h是注意力头的个数；是用于线性变换的参数矩阵；S42、在多头注意力机制后使用残差连接和层归一化，计算如下：S′＝LayerNormS+DropoutφSoS43、采用两层的前馈网络，计算如下：H＝LeakyReLUS′W1+b1W2+b2其中，W1、W2、b1、b2是前馈网络中的训练参数，W1和W2表示权值参数，b1和b2为偏置参数；S44、前馈网络后使用残差连接和层归一化，计算如下：G＝LayerNormS′+DropoutHS45、采用自注意力网络层输出向量的平均向量表示作为会话中用户对数据属性的全局表示，计算如下： Sg为长期偏好；S5、同时结合短期兴趣和长期偏好进行预测，获得的预测结果是会话的下一个点击项。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种基于会话序列的海洋环境数据推荐方法及系统