[发明专利]基于注意力机制的产品推荐方法和系统

说明书

本发明提供一种基于注意力机制的产品推荐方法和系统，涉及推荐技术领域。本发明通过计算目标产品与用户历史交互的产品的相似度，并与注意力机制相结合，避免了用户所有的历史交互产品对目标产品产生的影响相同的结果，同时结合了目标产品的评论文本数据，考虑到用户是否与某一产品进行交互不仅受到该用户的历史行为影响，即受到该用户的兴趣影响，还受到其他用户对目标产品的评价的影响，在产品推荐过程中，考虑目标产品的评论文本数据，更加贴近现实情况，从而提高了产品的推荐精度。

技术领域

本发明涉及推荐技术领域，具体涉及一种基于注意力机制的产品推荐方法和系统。

背景技术

电子商务与互联网技术的飞速发展，以及智能手机使用的普及，将人类带入了生活在海量信息环境中的互联网时代。巨大数量的用户和产生的海量数据，使得人们的生活处于数字化状态。在如此庞大的数据中，如何给互联网用户推荐个性化的服务，如音乐APP或音乐网站的音乐推荐、网购平台的产品推荐、视频网站的视频推荐等，如何做到根据不同用户进行个性化推荐，提高用户的购买率、浏览量等成为商界、学界普遍研究的热点。

目前运用最广泛的网络产品推荐系统主要采用两种方法：基于用户的协同过滤推荐技术和基于产品的协同过滤推荐技术。基于用户的协同过滤推荐技术的思想为与该用户兴趣相似的其他用户所喜欢的产品，该用户应该也喜欢。所以，基于用户的协同过滤推荐技术根据与该用户兴趣相似的用户所交互的产品，但该用户未交互过的产品作为推荐。基于产品的协同过滤推荐技术的思想为与用户喜欢的产品相似的产品有很大可能被该用户喜欢。基于该思想，只需要计算目标产品与用户交互过的产品的相似度，将相似度的top-N产品推荐给用户即可。

然而，现有的基于产品的协同过滤推荐技术多从用户历史行为角度着手，通过计算目标产品与用户历史交互产品的相似度，进而预测该用户喜好目标产品的可能性。这样的做法一方面在一定程度上没有考虑到目标产品侧的信息，造成了信息资源的浪费；另一方面侧重于用户的历史行为，忽略了目标产品的特性和数据，从而造成推荐的产品不贴近现实情况，即精度低的技术问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于注意力机制的产品推荐方法和系统，解决了现有推荐系统中推荐精度低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供一种基于注意力机制的产品推荐方法，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；

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。

优选的，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；