[发明专利]基于注意力机制的产品推荐方法和系统

权利要求书

1.一种基于注意力机制的产品推荐方法，其特征在于，所述方法由计算机执行，包括以下步骤：

S1、获取用户历史行为数据、目标产品数据和目标产品的评论文本，所述用户历史行为数据包括用户与产品产生的交互行为数据；

S2、获取所述用户历史行为数据的隐向量、所述目标产品数据的隐向量和所述目标产品的评论文本的隐向量；

S3、基于所述用户历史行为数据的隐向量、所述目标产品的隐向量和所述目标产品评论文本的隐向量，获取目标产品与用户历史交互产品的相似度；基于注意力机制获取用户历史行为数据的注意力权重和目标产品评论文本的注意力权重；

S4、基于所述相似度、所述用户历史行为数据的注意力权重和所述目标产品评论文本的注意力权重获取用户与目标产品发生交互的预测值，包括：

S401、根据所述相似度和所述用户历史行为数据的注意力权重获取基于用户历史行为的用户与目标产品发生交互的预测值，计算公式包括：

其中：

s_kj表示用户的交互产品和目标产品的相似度s_kj；

a_kj表示用户历史行为数据的注意力权重；

R⁺表示和用户有交互的所有产品；

表示基于用户历史行为的用户与目标产品发生交互的预测；

S402、根据所述目标产品评论文本的注意力权重和所述目标产品的隐向量获取基于目标产品评论内容的用户与目标产品发生交互的预测值，计算公式包括：

其中：

表示基于目标产品评论内容的用户与目标产品发生交互的预测值；

b_lk表示基于目标产品评论文本的注意力权重；

S403、根据所述基于用户历史行为的用户与目标产品发生交互的预测值和所述基于目标产品评论内容的用户与目标产品发生交互的预测值获取用户与目标产品发生交互的预测值，计算公式包括：

其中：

表示用户u与目标产品I_j发生交互的预测值；

表示与拼接成的向量；

W为可训练的参数；

b为偏置；

σ为sigmoid激活函数，将输出结果映射为一个概率值，表示用户u与目标产品i发生交互的可能性；

S5、基于所述用户与目标产品发生交互的预测值对用户进行产品推荐。

2.如权利要求1所述的基于注意力机制的产品推荐方法，其特征在于，获取目标产品与用户历史交互产品的相似度的方法包括：

通过余弦相似度来表示目标产品与用户交互产品之间的相似度：

其中：

s_kj表示用户交互产品与目标产品的相似度；

H_k表示用户交互的第k个产品item_k的隐向量表示；

I_j表示第j个目标产品i的隐向量表示；

|| ||表示向量的模。

3.如权利要求1所述的基于注意力机制的产品推荐方法，其特征在于，获取用户历史行为数据的注意力权重的方法包括：

a_kj＝softmax(f(H_k,I_j))

其中：

a_kj表示用户历史交互的第k个产品H_k对目标产品I_j的注意力权重；

H_k表示用户交互的第k个产品item_k的隐向量表示；

I_j表示第j个目标产品i的隐向量表示；

f表示确定H_k与I_j关系的函数；

式中f(H_k,I_j)的计算公式如下：

式中：

h^T表示一个可以训练的参数向量；

ReLU表示线性整流激活函数；

表示两个向量对应位置元素相乘；

W为可训练的参数；

b为偏置；

得出：