[发明专利]一种基于信息的协同注意力推介系统、方法和装置

权利要求书

1.一种基于信息的协同注意力推介系统，其特征在于，所述系统包括：

预处理模块，将待处理的信息词进行预处理，生成每个用户的信息词向量和每个物品的信息词向量；

协同注意力模块，在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个用户分别针对每个物品的信息词向量的权重，构建第一特征矩阵；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个物品针对每个用户的信息词向量权重，构建第二特征矩阵；

推介生成模块，根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率，对产生目标行为的概率进行排序，生成推介列表。

2.如权利要求1所述的基于信息的协同注意力推介系统，其特征在于，所述预处理模块包括：词处理模块，根据信息粒度对待处理信息进行分词和/或去停用词处理；维度抽取模块，从用户维度和物品维度分别抽取词；词向量生成模块，生成每个用户的信息词向量和每个物品的信息词向量。

3.如权利要求2所述的基于信息的协同注意力推介系统，其特征在于，所述协同注意力模块包括：句粒度协同注意力处理模块，当信息复杂度高时，首先对句子粒度进行协同注意力处理，再对词粒度进行协同注意力处

理，在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个用户分别针对每个物品的信息词向量的权重，构建第一特征矩阵；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个物品针对每个用户的信息词向量权重，构建第二特征矩阵；词粒度协同注意力处理模块，当信息复杂度低时，首先对句子粒度进行协同注意力处理，再对词粒度进行协同注意力处理，在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个用户分别针对每个物品的信息词向量的权重，构建第一特征矩阵；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个物品针对每个用户的信息词向量权重，构建第二特征矩阵。

4.如权利要求3所述的基于信息的协同注意力推介系统，其特征在于，所述推介生成模块包括：概率计算模块，在目标行为下，根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率。

5.一种基于信息的协同注意力推介方法，其特征在于，所述方法执行以下步骤：

将待处理的信息词进行预处理，生成每个用户的信息词向量和每个物品的信息词向量；

在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个用户分别针对每个物品的信息词向量的权重，构建第一特征矩阵；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个物品针对每个用户的信息词向量权重，构建第二特征矩阵；

根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率，对产生目标行为的概率进行排序，生成推介列表。

6.如权利要求5所述的基于信息的协同注意力推介方法，其特征在于，所述将待处理的信息词进行预处理，生成每个用户的信息词向量和每个物品的信息词向量的方法执行以下步骤：根据信息粒度对待处理信息进行分词和/或去停用词处理；从用户维度和物品维度分别抽取词；生成每个用户的信息词向量和每个物品的信息词向量。

7.如权利要求6所述的基于信息的协同注意力推介方法，其特征在于，所述推介生成模块，根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率，对产生目标行为的概率进行排序，生成推介列表的方法执行以下步骤：概率计算模块，在目标行为下，根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率。

8.一种基于信息的协同注意力推介装置，其特征在于，所述装置包括：一种非暂时性的计算机可读存储介质，该存储介质存储了计算指令，其包括：将待处理的信息词进行预处理，生成每个用户的信息词向量和每个物品的信息词向量的代码段；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个用户分别针对每个物品的信息词向量的权重，构建第一特征矩阵；在目标行为下，基于每个用户的信息词向量和每个物品的信息词向量生成每个物品针对每个用户的信息词向量权重，构建第二特征矩阵的代码段；根据第一特征矩阵和第二特征矩阵计算该用户针对待推介物品产生目标行为的概率，对产生目标行为的概率进行排序，生成推介列表的代码段。