[发明专利]基于卷积注意力的矩阵分解方法、装置及电子设备

权利要求书

1.一种基于卷积注意力的矩阵分解方法，其特征在于，包括如下步骤：

将物品的用户描述文档表示为词向量矩阵；

将所述词向量矩阵输入卷积注意力神经网络，获取物品的隐含因子；

根据用户对物品的评分信息和物品的隐含因子，使用概率矩阵分解获取用户的隐含因子；

对所述物品的隐含因子和所述用户的隐含因子计算向量的内积，得到用户对物品的预测评分，并根据用户对物品的预测评分建立预测评分矩阵；

根据所述预测评分矩阵与真实评分矩阵之间的损失函数，使用误差反向传播算法，优化所述卷积注意力神经网络的参数和所述概率矩阵分解。

2.根据权利要求1所述的基于卷积注意力的矩阵分解方法，其特征在于,将物品的用户描述文档表示为词向量矩阵前，还包括如下步骤：

去除所述用户描述文档中频率过高的词汇；

去除所述用户描述文档中频率过低的词汇。

3.根据权利要求1所述的基于卷积注意力的矩阵分解方法，其特征在于，根据用户对物品的评分信息和物品的隐含因子，使用概率矩阵分解获取用户的隐含因子前，还包括如下步骤：

去除没有用户描述文档的物品。

4.根据权利要求1所述的基于卷积注意力的矩阵分解方法，其特征在于，对所述物品的隐含因子和所述用户的隐含因子计算向量的内积前，还包括如下步骤：

根据物品的评分数量对所述物品赋予不同程度的高斯噪声，其中，评分数量越少，所赋予的高斯噪声越大。

5.一种基于卷积注意力的矩阵分解装置，其特征在于，包括：

词向量矩阵模块，用于将物品的用户描述文档表示为词向量矩阵；

物品隐含因子获取模块，用于将所述词向量矩阵输入卷积注意力神经网络，获取物品的隐含因子；

用户隐含因子获取模块，用于根据用户对物品的评分信息和物品的隐含因子，使用概率矩阵分解获取用户的隐含因子；

概率矩阵分解模块，用于对所述物品的隐含因子和所述用户的隐含因子计算向量的内积，得到用户对物品的预测评分，并根据用户对物品的预测评分建立预测评分矩阵；

优化模块，用于根据所述预测评分矩阵与真实评分矩阵之间的损失函数，使用误差反向传播算法，优化所述卷积注意力神经网络的参数和所述概率矩阵分解。

6.根据权利要求5所述的基于卷积注意力的矩阵分解装置，其特征在于，还包括：

第一预处理模块，用于将物品的用户描述文档表示为词向量矩阵前，去除所述用户描述文档中频率过高的词汇，以及去除所述用户描述文档中频率过低的词汇。

7.根据权利要求5所述的基于卷积注意力的矩阵分解装置，其特征在于，还包括：

第二预处理模块，用于根据用户对物品的评分信息和物品的隐含因子，使用概率矩阵分解获取用户的隐含因子前，去除没有用户描述文档的物品。

8.根据权利要求5所述的基于卷积注意力的矩阵分解装置，其特征在于，还包括：

高斯噪声赋予模块，用于对所述物品的隐含因子和所述用户的隐含因子计算向量的内积前，根据物品的评分数量对所述物品赋予不同程度的高斯噪声，其中，评分数量越少，所赋予的高斯噪声越大。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于：

该计算机程序被处理器执行时实现如权利要求1至4任意一项所述的基于卷积注意力的矩阵分解方法。

10.一种电子设备，包括存储器、处理器以及储存在所述存储器并可被所述处理器执行的计算机程序，其特征在于：

所述处理器执行所述计算机程序时，实现如权利要求1至4任意一项所述的基于卷积注意力的矩阵分解方法。