[发明专利]基于自注意力因子分解机的时间感知服务推荐系统及方法

权利要求书

1.基于自注意力因子分解机的时间感知服务推荐系统，其特征在于，包括

PFM模型(21)，将从输入层(1)输入的用户隐藏向量、服务隐藏向量以及时间隐藏向量输入到FM模块中处理，处理后的数据依次经过中间层(2)的第一全连接层和第一激活函数输出到输出层(3)；

SAGRU模型(22)，将从输入层(1)输入的时间间隔t上的用户、服务集合的嵌入向量输入到GRU模块中处理，处理后的数据依次经过中间层(2)的自注意力机制单元、第二全连接层，第二激活函数输出到输出层(3)。

2.根据权利要求1所述的基于自注意力因子分解机的时间感知服务推荐系统，其特征在于，所述输出层(3)包括三个维度调节模块，第一维度调节模块包括第三全连接层和第三激活函数，用于给PFM模型(21)和SAGRU模型(22)的输出量降维；第二维度调节模块包括第四全连接层和第四激活函数，用于保持下降后的维度；第三维度调节模块包括第五全连接层和第五激活函数，用于升维，将两个PFM模型(21)和SAGRU模型(22)输出总的QoS值。

3.根据权利要求1所述的基于自注意力因子分解机的时间感知服务推荐系统，其特征在于，所述输入层(1)对所有的输入数据进行独热码编码，再将其映射成用户隐藏向量、服务隐藏向量以及时间隐藏向量，用户隐藏向量、服务隐藏向量以及时间隐藏向量组成三维向量。

4.一种基于自注意力因子分解机的时间感知服务推荐方法，其特征在于，包括以下步骤：

S1、对所有的输入数据进行编码，并映射成三个固定的向量，分别为用户隐藏向量、服务隐藏向量以及时间隐藏向量，用户隐藏向量、服务隐藏向量以及时间隐藏向量组成三维向量，作为PFM模型(21)中FM模块的输入；时间间隔t上关于用户隐藏向量和服务隐藏向量的嵌入向量X作为SAGRU模型(22)中GRU模块的输入；

S2、FM模块的输出依次经过中间层(2)的第一全连接层和第一激活函数输出到输出层(3)，GRU模块的输出进入到自注意力机制单元、第二全连接层，第二激活函数输出到输出层(3)；

S3、PFM模型(21)的输出和SAGRU模型的输出通过第三全连接层和第三激活函数，使得输出量降维，然后经过第四全连接层和第四激活函数，使得输出量维度保持，最后经过第五全连接层和第五激活函数，使得输出量升维。

5.根据权利要求4所述的方法，其特征在于，步骤S2中，用户隐藏向量、服务隐藏向量以及时间隐藏向量经过FM模块的输出量对应为：

d代表这个隐藏向量的维度，X^u、X^s、X^t分别是用户、服务、时间的隐藏向量，f_E代表嵌入层的激活函数，分别是用户、服务和时间隐藏向量的权重。

6.根据权利要求4所述的方法，其特征在于，步骤S1中，GRU模块的输入具体的计算公式为：

其中和表示原始的三维向量中的用户隐藏向量、服务隐藏向量，为结合函数，表示t时刻的隐藏向量。

7.根据权利要求4所述的方法，其特征在于，步骤S1中，将原始的三维向量分为独立的正方块，长、宽、高分别代表一个用户、一个服务、一个时间片，每个正方块的表面代表一个不同时刻的用户对服务的QoS值。