[发明专利]基于会话中物品重要性的物品推荐方法和系统

说明书

本发明提供了一种基于会话中物品重要性的物品推荐方法和系统，通过重要性提取模块来提取会话中各个物品的重要性，再结合所述重要性和对应的物品获得用户的长期偏好，从而结合所述用户的当前兴趣和长期偏好准确的获得所述用户的偏好，最后再根据所述用户的偏好进行物品推荐，有效的提高了物品推荐的准确性，且降低了物品推荐模型的计算复杂度。

技术领域

本发明属于内容推荐技术领域，具体是涉及到一种基于会话中物品重要性的物品推荐方法和系统。

背景技术

基于会话的物品推荐大都为基于匿名会话的物品预测，其主要目的就是从给定的物品集中预测用户在下个会话中可能感兴趣的物品，并将所述可能感兴趣的物品推荐给用户。目前大多数基于匿名会话的物品推荐模型大多都通过关注用户的交互历史来预测用户的偏好，从而根据用户的偏好来推荐物品。然而，对于一些历史的用户-物品交互不可用的情况，准确的捕捉用户的偏好是一个很大的挑战。

基于用户-物品交互不可用的情况，我们需要仅仅根据当前正在进行的会话来产生物品推荐。现有的一些做法如应用门控循环单元(GRU)来建模用户在会话中的时序行为捕捉用户的偏好来产生推荐，或者借助于注意力机制来捕捉用户主要意图来产生推荐，又或者采用门控图神经网络(GGNN)来产生准确的物品嵌入向量和建模物品之间复杂的传递关系从而进行预测。现有的这些做法均未能对一个重要信息的来源有足够的关注，因而不能够准确地定位到会话中重要物品来生成用户偏好。由于在产生物品的嵌入向量后，每个物品的重要性仅仅是简单地根据它与长期历史中物品的混合、最后一个物品或者二者的结合的相关度来确定。不可避免地，在会话中会存在有不相关的物品，特别是在长会话中，使得推荐模型很难去关注于重要的物品。因此，在提出关注会话中物品的重要性的物品推荐模型对提高物品推荐的准确性极为重要。

发明内容

有鉴于此，本发明提供了一种基于会话中物品的重要性的物品推荐方法和系统以避免现有技术中基于当前会话进行物品推荐的方法中由于会话中存在不相关的物品对推荐准确度的影响。

一种基于会话中物品重要性的物品推荐方法，用于从物品集中预测所述用户在下一个时刻可能交互的物品作为目标物品推荐给所述用户，基于训练好的推荐模型进行的步骤包括：

将当前会话中的各个物品嵌入到一个d维向量表示，以获得物品嵌入向量，并将所述当前会话中最后一个物品对应的物品嵌入向量作为所述用户的当前兴趣表示，

根据所述物品嵌入向量获取各个所述物品的重要性表示，并将所述重要性表示与所述物品嵌入向量相结合来获得所述用户的长期偏好表示，

将所述当前兴趣表示和所述长期偏好表示通过连接操作进连接，以获得所述用户的偏好表示，

根据所述偏好表示和所述物品嵌入向量获得所述目标物品并推荐给所述用户。

优选地，根据所述物品嵌入向量获取各个所述物品的重要性表示，包括：

将所述当前会话中的各个物品对应各个所述物品嵌入向量构成的物品嵌入向量集分别通过非线性转换函数转换到第一向量空间和第二向量空间，以分别获得第一转换向量和第二转换向量，所述非线性转换函数为是以非线性方式从所述物品嵌入向量中学习信息的转换函数，

获取所述第一转换向量和第二转换向量之间的关联矩阵，

根据所述关联矩阵获得所述重要性表示。

优选地，根据所述关联矩阵获得所述重要性表示包括：

根据所述关联矩阵获取所述当前会话中的一个物品与所述当前会话中的其它物品的平均相似度，以作为所述一个物品的重要性分数，

通过第一归一化层归一化所述重要性分数，以获得所述一个物品的重要性表示。

优选地，在根据所述关联矩阵获得所述重要性表示过程中，通过一个遮蔽操作来遮蔽所述关联矩阵的对角线。