一种基于多兴趣重复网络的会话推荐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112905886A(43)申请公布日2021.06.04(21)申请号202110197639.3(22)申请日2021.02.22(71)申请人中国计量大学地址310018浙江省杭州市下沙高教园区学源街258号(72)发明人顾盼(51)Int.Cl.G06F16/9535(2019.01)G06F17/18(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06Q30/02(2012.01)G06Q30/06(2012.01)权利要求书3页说明书10页附图2页(54)发明名称一种基于多兴趣重复网络的会话推荐方法(57)摘要本发明公开了一种基于多兴趣重复网络的会话推荐方法，对当前会话中的多兴趣和用户历史购买物品序列中的多兴趣进行建模，并预测用户下一个交互的物品。本发明的向前传播部分主要由五个部分组成：第一部分是根据用户当前交互会话序列，得到用户当前多兴趣表征。第二部分是根据用户历史购买物品序列，得到用户历史购买多兴趣表征。第三部分是根据用户当前多兴趣表征和用户历史购买多兴趣表征，得到重复推荐模式的概率。第四部分是在重复模式下，根据用户的当前多兴趣表征和历史购买多兴趣表征，在用户历史购买的物品序列中进行推荐。第五部分是在探索模式下，根据用户的当前多兴趣表征，对不在用户历史购买物品序列中的物品进行推荐。CN112905886ACN112905886A权利要求书1/3页1.一种基于多兴趣重复网络的会话推荐方法，其特征在于：根据用户当前交互会话序列，得到用户当前多兴趣表征；用户当前交互的会话可以表示为ST＝{x1，x2，…，xτ，…，xt}，其中，xτ代表用户交互的第τ个物品，T表示当前会话的时间段下标，且ST的向量表征为{x1，x2，…，xτ，…，xt}，其中d是物品向量表征的长度；采用基于门机制的多兴趣胶囊网络从物品序列中抽取出用户多兴趣，伪代码为：其中，为会话中第i个物品向量表征，是第j个兴趣的表征且qj为所有用户共享；用户兴趣的个数参数为M；和是第j个兴趣的训练参数；为转移矩阵，被所有兴趣共享；⊙是门机制中常用的向量元素级别(element‑wise)的乘法；通过兴趣相关的门机制(interest‑specificgatingmechanism)和转移矩阵，可以从物品向量xi中抽取出不同兴趣空间下的向量表征方法是胶囊网络中的动态路由部分，输入参数是第i个物品向量表征xi映射到第j个兴趣空间的向量表征，输入参数r是动态路由算法的迭代次数，输出参数vj代表用户多兴趣向量表征；bij是第i个物品向量表征到第j个兴趣的连接系数，cij是系数bij归一化后的连接系数；squash是胶囊网络中常用的squash向量激活函数，公式为根据用户历史购买物品序列，得到用户历史购买多兴趣表征；用户历史购买物品序列可以表示为BT‑1＝{x1，x2，…，xl}，用户历史消费序列BT‑1的向量表征为其中上标a表示购买行为；本方法在基于门机制的多兴趣胶囊网络算法的基础上，继续改进胶囊网络从用户历史购买物品序列中抽取出用户多兴趣；为了使得在重复模式中增加推荐结果的多样性，本方法提出一种增强推荐多样性的多兴趣胶囊网络算法；该算法根据场景继续改进胶囊网络连接系数bij的归一化方式；根据用户当前多兴趣表征和用户历史购买多兴趣表征，得到重复推荐模式(推荐用户历史购买物品)的概率；基于用户的当前会话ST和用户历史购买物品序列BT‑1，推荐下一个交互物品xt+1的概率P(xt+1|ST，BT‑1)可以进一步分解为：P(xt+1|ST，BT‑1)＝P(r|ST，BT‑1)·P(xt+1|r，ST，BT‑1)+(1‑P(r|ST，BT‑1))·P(xt+1|e，ST)2CN112905886A权利要求书2/3页其中，r和e分别代表重复模式(repeatmode)和探索模式(exploremode)，重复模式指在用户历史购买物品集中推荐，探索模式指在用户历史购买物品集以外的候选物品集中推荐；P(r|ST，BT‑1)代表基于当前交互会话序列ST和用户历史购买物品序列BT‑1，重复模式的概率；P(xt+1|r，ST，BT‑1)和P(xt+1|e，ST)分别代表在重复模式和探索模式下，推荐物品xt+1的概率；重复模式的概率P(r|ST，BT‑1)主要由当前会话中抽取的多兴趣vj决定，且多兴趣vj的权重由历史购买兴趣和当前兴趣vj的相似度决定，这里采用余弦相似度来计算向量相似度；参数是转化向量，σ是sigmoid函数；在重复模式下，根据用户的当前多兴趣表征和历史购买多兴趣表征，在用户历史购买的物品序列中进行推荐；推荐物品xi∈BT‑1的概率为P(xi∣r,ST,BT‑1