[发明专利]一种会话推荐方法、系统、设备及介质

权利要求书

1.一种会话推荐方法，其特征是，包括：

从用户的网页浏览日志中获取当前会话；当前会话，包括当前时间间隔内用户浏览过的商品；

基于已经训练好的协同会话推荐机模型，为当前会话筛选推荐候选商品，对每个推荐候选商品计算推荐概率；

按照推荐概率由高到低对推荐候选商品进行排序，选择分数最高的若干项，展示在推荐列表中；

所述协同会话推荐机模型，包括：内部记忆编码器、外部记忆编码器和推荐解码器；

所述内部记忆编码器，包括：全局编码器和局部编码器；全局编码器为第一门控循环单元GRU，局部编码器为第二门控循环单元GRU与注意力机制的结合，所述全局编码器对当前会话进行编码得到当前会话的序列行为信息特征；所述局部编码器对当前会话的序列行为信息特征进行编码，得到当前会话的意图信息特征；然后，将序列行为信息特征和意图信息特征进行拼接后得到当前会话的内部记忆编码特征；

所述外部记忆编码器，包括：记忆网络Memory Network，记忆网络Memory Network中设有记忆矩阵memory matrix，所述记忆矩阵利用先进先出的原则存储当前会话的邻居会话和其意图信息特征；根据意图信息特征和余弦相似度，从记忆矩阵中筛选与当前会话最相似的k个相邻的会话；根据最相似的k个相邻的会话与当前会话的余弦相似度，计算邻居会话的权重；根据最相似的k个相邻的会话和其不同权重，计算当前会话的外部记忆编码特征；

所述推荐解码器，对当前会话的内部记忆编码特征和当前会话的外部记忆编码特征进行融合，得到会话的最终特征；计算会话的最终特征所对应候选商品的推荐概率。

2.如权利要求1所述的方法，其特征是，协同会话推荐机模型训练过程中所使用的训练数据为当前会话：

将当前会话中用户浏览过的商品和商品介绍信息，输入到协同会话推荐机模型中，对协同会话推荐机模型进行训练，协同会话推荐机模型训练好的标准是交叉熵损失函数值小于设定阈值的时刻所对应的协同会话推荐机模型，即为训练好的协同会话推荐机模型。

3.如权利要求1所述的方法，其特征是，全局编码器对当前会话进行编码得到当前会话的序列行为信息特征，具体步骤包括：

第一门控循环单元GRU当前时刻的隐藏状态h_τ是关于前一时刻隐藏状态h_τ-1和候选隐藏状态的线性插值函数值：

其中，更新门z_τ的计算公式表示为：

z_τ＝σ(W_zx_τ+U_zh_τ-1) (2)

其中，x_τ是商品的表示，W_z和U_z是权重矩阵，σ表示sigmoid函数，

σ(x)＝1/(1+exp(-x))，h_τ-1表示前一时刻的隐藏状态；

候选隐藏状态的计算公式表示为：

其中，W和U表示权重矩阵；

其中，重置门r_τ的计算公式表示为：

r_τ＝σ(W_rx_τ+U_rh_τ-1) (4)

其中，W_r和U_r是权重矩阵；

最后，使用最终的隐藏状态h_n作为当前会话的序列行为信息特征