利索能及
我要发布
收藏
专利号: 2024117109912
申请人: 江西财经大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-10-10
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于多视图对比学习的项目推荐方法,其特征在于,应用于项目推荐系统,所述项目推荐系统包括分割聚类模块、融合提取模块和对比推荐模块;

所述方法包括:

在分割聚类模块中,获取用户交互项目序列,将用户交互项目序列滑动分割为多个交叉子序列,基于交叉子序列获得初步的粗粒度意图嵌入,并对初步的粗粒度意图嵌入进行聚类,获得细粒度意图嵌入;

在融合提取模块中,将用户交互项目序列融合时间间隔信息与位置信息,构建出可表达用户意图的用户簇兴趣图与项目簇兴趣图,在用户簇兴趣图内进行同簇交互,并对用户簇兴趣图与项目簇兴趣图进行异簇交互,得到全局层面的用户意图嵌入;

在对比推荐模块中,将初步的粗粒度意图嵌入通过层注意力网络获得最终的粗粒度意图嵌入,基于最终的粗粒度意图嵌入进行推荐任务,获得项目推荐列表,且对最终的粗粒度意图嵌入、细粒度意图嵌入、以及全局层面的用户意图嵌入进行多视图对比学习,优化对比推荐模块的模型参数;

在分割聚类模块中,获取用户交互项目序列su,将通过滑动拆分DS操作将用户交互项目序列su分割为多个交叉子序列,基于交叉子序列获得初步的粗粒度意图嵌入,表达式如下:;

其中, 为第r个项目对应的初步的粗粒度意图嵌入, 表示su中目标项为 的子序列,所述目标项为序列中的最后一个项目, 为编码器;

在分割聚类模块中,对初步的粗粒度意图嵌入进行K‑means聚类,获得聚类结果集合F,,其中,fh表示第h个聚类中心,H表示用户意图的类型总数,将获得的聚类中心作为细粒度意图嵌入,且定义分布函数Q(fh),若su属于第h个聚类簇,则Q(fh)=1,即表明用户的潜在意图为fh;若su不属于第h个聚类簇,则Q(fh)=0,即表明用户的潜在意图不是fh;

在融合提取模块中,采用无向图Gc表示所有用户与项目的交互,Gc={Vc, Ec},其中,Vc为节点集合,Ec为边集合,当节点集合Vc中的节点vc的主体为用户时,节点vc表示用户嵌入;当节点集合Vc中的节点vc的主体为项目时,节点vc表示项目嵌入,将用户交互项目序列融合时间间隔信息与位置信息,得到第k个项目的项目嵌入ek,表达式为:;

其中,tanh为双曲正切激活函数, 为融合提取模块中的权重矩阵, 为经过无向图Gc得到的项目初始嵌入, 为融合提取模块中的偏置向量, 为第k个位置的位置嵌入向量, 为第k个位置的时间间隔特征;

所有项目的项目嵌入构成项目表示矩阵e;

根据项目直接的相关性,对各个项目嵌入进行更新,得到下式:;

;

;

其中, 表示更新后的项目表示矩阵,ei表示第i个项目的项目嵌入,ej表示第j个项目的项目嵌入, 表示第i个项目与第j个项目之间的相关性计算数值,WQ和WK分别表示查询和键的输入投影,T表示转置操作, 表示比例因子, 表示第i个项目与第k个项目之间的相关性计算数值,K表示项目总数, 表示归一化指数函数, 表示更新后的,n表示与目标项相关联的项目数,WV表示模型值的输入投影;

基于更新后的项目表示矩阵 构建出可表达用户意图的用户簇兴趣图与项目簇兴趣图;

在融合提取模块中,在用户簇兴趣图内进行同簇交互,表达式如下:;

其中,zk为聚合后的节点交互数值, 为MLP函数, 表示用户簇兴趣图中节点k的嵌入,表示用户簇兴趣图中节点j的嵌入,Nk表示项目的节点集;

对用户簇兴趣图与项目簇兴趣图进行异簇交互,表达式如下:;

其中, 为聚合后的节点特征相关数值, 表示Hadamard乘积, 表示更新后的项目表示矩阵 中项目节点b的嵌入, 表示项目簇兴趣图的节点集;

采用下式得到全局层面的用户意图嵌入 ;

;

;

;

;

其中, 为重置门神经单元, 为用户节点初始表示, 为输入门神经单元, 、 、为门控循环单元的权重矩阵, 、 、 为门控循环单元的偏置向量, 为更新后的用户节点嵌入表示,concat为链接操作;

所述对比推荐模块的总损失函数L满足以下条件式:;

;

;

;

;

;

;

其中, 为推荐任务的损失函数, 为粗粒度对比损失函数, 为细粒度对比损失函数, 为全局对比损失函数, 为 的权重系数, 为 的权重系数,为的权重系数, 表示序列的正确预测结果, 表示序列的错误预测结果, 为对比损失函数, 为序列s1的粗粒度嵌入, 为随机抽取与序列s1具有相同目标项的序列s2的粗粒度嵌入,fc1表示距离 最近的聚类中心,fc2表示距离 最近的聚类中心,query表示查询操作, 表示 所属用户的全局层面的用户意图嵌入, 表示 所属用户的全局层面的用户意图嵌入。

2.根据权利要求1所述的基于多视图对比学习的项目推荐方法,其特征在于,在对比推荐模块中,将初步的粗粒度意图嵌入通过层注意力网络获得最终的粗粒度意图嵌入,满足以下条件式:;

其中, 为第r个项目对应的最终的粗粒度意图嵌入;

基于最终的粗粒度意图嵌入进行推荐任务,获得项目推荐列表,满足以下条件式:;

其中, 表示项目的预测得分,M表示项目嵌入矩阵。