[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

说明书

本发明属于深度学习领域，具体涉及了一种基于局部和全局信息融合的群组推荐方法、系统及设备，旨在解决现有的群组推荐方法仅从群体和用户之间的单一交互中学习群组的表示，无法考虑全面信息的群组推荐的问题。本发明包括：通过但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，进而获取项目的最终表示；通过获取群组的局部特征表示和全局特征表示并将其进行信息融合获得群组的最终表示，进而计算目标群组对项目的偏好值，基于偏好值进行排序，生成项目推荐列表。本发明通过深度学习和注意力机制实现了组内的全局表示，融合全局和局部信息，提高了群组推荐的准确度。

技术领域

本发明属于深度学习领域，具体涉及了一种基于局部和全局信息融合的群组推荐方法、系统及设备。

背景技术

近年来，随着社交网络的发展，群组活动变得越来越受欢迎。

群组推荐系统也已应用于各种领域，例如电子商务，娱乐，社交媒体，旅游业等。

与传统的个性化推荐不同，群组推荐的目的是为寻找目标群组很可能感兴趣的项。

随着群组活动需求的不断变化和对活动的要求不断的提升，群组推荐系统也迫切需要快速地发展。

现有的基于深度学习的群体推荐方法主要存在以下两个问题：

(1)群组活动中存在多种交互信息：用户-群组、用户- 项目、群组-项目交互，但是现有的方法大多集中在从单一的交互(群组-项目)中学习群组的表示，导致模型并不能够充分的利用这些交互信息。

(2)目前尚没有相关的群组推荐模型利用群组之外的全局信息，导致模型的推荐效果并不理想。

发明内容

为了解决现有技术中的上述问题，即现有的群组推荐方法仅从群体和用户之间的单一的交互中学习群组的表示，无法考虑全面信息的群组推荐的问题，本发明提供了一种基于局部和全局信息融合的群组推荐方法，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、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。

在一些优选的实施方式中，所述单类型聚合注意力模块中的权重计算公式为：