[发明专利]一种基于层次注意力机制的群组推荐方法

说明书

本发明公开了一种层次注意力机制的群组推荐方法，首先根据对用户、项目进行嵌入编码，将高维度的编码转换为低维度的嵌入向量。采用层次注意力机制进行群组偏好融合，使用两层注意力神经网络，第一层注意力网络用于捕捉成员之间的影响，第二层注意力网络用于捕捉成员在群组决策的影响力，同时使用注意力机制计算群组的主题偏好。最后计算群组对不同项目的预测得分，并进行排序，完成群组推荐。本公开通过考虑群组成员之间的相互影响、动态调整成员权重以及群组的主题偏好，从而能实现更为有效的群组推荐。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于层次注意力机制的群组推荐方法，是基于群组成员的偏好给群组进行推荐的方法。

背景技术

随着大数据、云计算、移动互联网等技术迅速发展，数据大量地累积，用户无法有效地处理海量信息资源，从而造成了严重的信息过载问题。为解决此问题，推荐系统应运而生，其通过对用户海量的数据信息挖掘构建的高级智能系统，从而为用户提供个性化信息服务，有效地缓解了信息过载问题。目前，推荐系统已经广泛应用在多个领域，例如社交网络，电子商务、新闻资讯、电影音乐等，它逐渐成为了数据挖掘、信息检索等领域的研究热点与重点。

推荐系统研究的类型包括移动推荐系统、上下文感知推荐系统、社会化网络推荐系统等这些推荐系统主要是根据单个用户的历史数据进行个性化推荐，只能为单个用户进行推荐。然而，在实际的场景中，许多时候用户会以群组形式出现，如一群朋友去看电影，拼团旅行，团建聚餐等。因此，推荐的对象由个体扩展成群体，对群组进行推荐的系统称为群组推荐系统。与个体推荐系统不同的是，群组推荐需要考虑群组中每个成员的偏好，平衡好成员间的偏好差异，使得推荐的结果尽可能满足所有成员的需求。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

现有的群组推荐方法大多采用预先定义好的偏好融合策略，但这些策略是静态的，过于简单，缺乏灵活性，无法应对复杂的、动态的群组决策，存在推荐准确性不高的问题。

发明内容

本发明提出了一种基于层次注意力机制的群组推荐方法。采用层次注意力机制动态调整用户在群组决策中对不同项目的影响以及成员之间的相互影响。使用两层注意力神经网络，第一层用于捕捉成员之间的影响，第二层用于捕捉成员在群组决策的影响。再通过群组的历史交互信息获取群组主题偏好，加上群组成员偏好融合作为群组的偏好表示。然后利用神经协同过滤框架学习群组与数据的交互，最后计算项目的预测得分，实现群组推荐。

为了解决现有技术中群组推荐准确性不高的技术问题，本发明提供了一种基于层次注意力机制的群组推荐方法，包括：

S1：对用户、项目进行嵌入编码，分别得到用户嵌入向量和项目嵌入向量；

S2：基于用户嵌入向量和项目嵌入向量，采用层次注意力机制进行群组偏好融合，并通过群组的历史交互信息计算群组的主题偏好，根据成员偏好融合的结果和群组主题偏好得到群组偏好，其中，采用层次注意力机制进行群组偏好融合包括：采用两层注意力神经网络，分别捕捉成员之间相互影响以及成员在群组决策中的影响，并基于两种影响进行成员偏好融合；

S3：基于群组偏好，利用神经协同过滤框架计算群组对项目的预测得分，进行群组推荐。

在一种实施方式中，S1具体包括：

将用户的独热编码、项目的独热编码作为输入，经过嵌入层后得到用户和项目的嵌入向量，其中，嵌入层用于将高维度的向量转换为低维度的嵌入向量，具体公式为：

其中，成员的独热编码和项目的独热编码输入到嵌入层之后，得到对应的嵌入向量为和，表示用户嵌入权重矩阵，表示项目嵌入权重矩阵，d、n、m分别表示嵌入向量的维度、用户总数和项目总数。

在一种实施方式中，S2具体包括：