[发明专利]一种基于长短期兴趣组合的会话推荐方法及系统

权利要求书

1.一种基于长短期兴趣组合的会话推荐方法，其特征在于，包括以下步骤：

S1、生成物品字典，并为物品字典中的每个物品生成一个一一对应的向量；

S2、依次记录当前会话中每个被同一用户点击的物品，得到物品序列并获取与其相对应的向量表示序列；

S3、将整个向量表示序列中的点击行为信息作为长期记忆，并将整个向量表示序列中最后k个点击行为信息作为短期记忆；

S4、获取短期记忆中的短期兴趣特征，并对短期兴趣特征进行特征抽象，得到短期兴趣抽象状态特征；

S5、基于长期记忆和短期记忆采用注意力网络获取用户的长期兴趣特征，并对长期兴趣特征进行特征抽象，得到长期兴趣抽象状态特征；

S6、根据短期兴趣抽象状态特征和长期兴趣抽象状态特征对候选物品进行打分，获取各个候选物品的打分结果；

S7、基于各个候选物品的打分结果采用softmax函数预测各个候选物品作为该用户下一次点击对象的概率，将概率最大的候选物品作为推荐物品；

步骤S1的具体方法为：

生成包含所有物品的物品字典，并为物品字典中的每个物品采用随机初始化的方式生成一个与物品一一对应的d维实数向量；

步骤S4的具体方法为：

将短期记忆中的向量元素作为该用户的短期兴趣特征，根据公式

h_t＝f(W_tm_t+b_t)

采用多层神经网络对短期兴趣特征进行特征抽象，得到短期兴趣抽象状态特征h_t；其中f(·)为非线性激活函数；W_t为权重矩阵，表示W_t为实数集上d×d维矩阵，d为与物品相对应的向量的维数；m_t为短期兴趣特征；b_t为偏置向量，

步骤S5的具体方法包括以下子步骤：

S5-1、根据公式

获取长期记忆的平均兴趣m_s；其中t为长期记忆中的点击行为信息的总数；x_i为长期记忆中第i个点击行为信息；

S5-2、根据公式

α_i＝W₀σ(W₁x_i+W₂x_p+W₃m_s+b₀)

采用前馈神经网络获取每个物品关于短期记忆的注意力权重；其中α_i为第i个被点击物品的注意力权重；W₀为权重向量，为实数集，d为与物品相对应的向量的维数；W₁、W₂和W₃均为权重矩阵，x_i为第i个被点击物品对应的向量；x_p为短期记忆中的向量，即最后一个被点击物品对应的向量；b₀为偏置向量，σ(·)为sigmoid函数；

S5-3、根据公式

获取用户的长期兴趣特征m_a；

S5-4、根据公式

h_s＝f(W_sm_a+b₁)

采用多层神经网络对长期兴趣特征进行特征抽象，得到长期兴趣抽象状态特征h_s；其中W_s为权重矩阵，b₁为偏置向量，

2.根据权利要求1所述的基于长短期兴趣组合的会话推荐方法，其特征在于，k的取值为1。

3.根据权利要求1所述的基于长短期兴趣组合的会话推荐方法，其特征在于，步骤S6的具体方法为：

根据公式

对候选物品v_i进行打分，得到候选物品v_i的打分结果进而得到各个候选物品的打分结果；其中h_s为长期兴趣抽象状态特征；h_t为短期兴趣抽象状态特征；(·)^T为矩阵的转置；⊙为向量内积运算。