[发明专利]基于局部和全局信息融合的群组推荐方法、系统及设备

权利要求书

1.一种基于局部和全局信息融合的群组推荐方法，其特征在于，所述方法包括：

步骤S100，基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图和群组-项目交互视图；

步骤S200，基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图，通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示含有用户语义特征信息的群组表示和含有项目语义特征信息的群组表示

步骤S300，基于项目固有的语义特征信息v_i和含有用户语义特征信息的项目表示通过多类型融合注意力模块获得项目的最终表示

步骤S400，基于群组固有的语义特征信息含有用户语义特征信息的群组表示和含有项目语义特征信息的群组表示通过多类型融合注意力模块获得群组的局部特征表示

步骤S500，基于所述群组-项目交互视图，通过单类型聚合注意力模块，聚合目标群组g_l的γ个近邻群组获得群组的全局特征表示

步骤S600，通过所述群组固有的语义特征信息群组的局部特征表示和群组的全局特征表示通过多类型融合注意力模块获得群组的最终表示

步骤S700，基于所述项目的最终表示和群组的最终表示通过池化层获得组合特征h₀，并通过预设数量个隐藏层获取组合特征的非线性关系和高阶交互关系h_e，通过全连接层获得目标群组g_l对于项目v_l的偏好值；

步骤S800，基于所述目标群组g_l对于项目v_l的偏好值，对候选项目进行排序，为群组生成项目推荐列表。

2.根据权利要求1所述的基于局部和全局信息融合的群组推荐方法，其特征在于，所述单类型聚合注意力模块中的权重计算公式为：

其中，q_j表示目标对象，I_t(q_j)表示与q_j有交互关系的对象集合，t为对象类型，和表示注意力网络的权重矩阵参数，是和q_j交互过的t类型对象的特征向量，b_t是偏置向量，w_t是权重向量，d_t是偏置参数，sigmoid是激活函数,σ(·)是ReLU激活函数。

3.根据权利要求2所述的基于局部和全局信息融合的群组推荐方法，其特征在于，所述步骤S200包括：

步骤S200A，基于所述用户-项目交互视图，通过单类型聚合注意力模块获取含有用户语义特征信息的项目表示

其中，u_i，j表示与项目v_i有过交互的用户，I_u(v_i)表示与项目v_i有过交互的用户集合，权重系数α_j为通过将u_i，j和v_i分别代入所述单类型聚合注意力模块中的权重计算公式中的和q_j获得；

步骤S200B，基于所述群组-用户交互视图，通过单类型聚合注意力模块获取含有用户语义特征信息的群组表示

其中，u_l，j表示与目标群组g_l有过交互的用户，I_u(g_l)表示与目标群组g_l有过交互的用户集合，权重系数为通过将u_l，j和g_l分别代入所述单类型聚合注意力模块中的权重计算公式中的和q_j获得；

步骤S200C，基于所述群组-项目交互视图，通过单类型聚合注意力模块获取含有项目语义特征信息的群组表示

其中，v_l，i表示与目标群组g_l有过交互的项目，I_v(g_l)表示与目标群组g_l有过交互的项目集合，为通过将v_l，i和g_l分别代入所述单类型聚合注意力模块中的权重计算公式中的和q_j获得。