[发明专利]基于交互特征的产品推荐方法及系统

说明书

本发明提供一种基于交互特征的产品推荐方法及系统，涉及人工智能技术领域，该方法包括：将目标输入实例中用户特征输入推荐模型中的第一自注意力模块，提取用户特征的内部交互特征；将目标输入实例中产品特征输入推荐模型中的第二自注意力模块，提取产品特征的内部交互特征；将用户特征和产品特征拼接的第一特征矩阵，输入推荐模型中的第三自注意力模块，提取用户特征和产品特征之间的交互特征；将根据用户特征的内部交互特征、产品特征的内部交互特征，以及用户特征和产品特征之间的交互特征确定的输入信息输入推荐模型中的预测模块，预测目标用户对候选产品的偏好信息，以对目标用户执行产品推荐操作。本发明实现自动精准地进行产品推荐。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于交互特征的产品推荐方法及系统。

背景技术

随着互联网时代到来，已逐步进入信息爆炸的时代。如何将海量的信息推荐给合适的对象，是企业面临的重大难题。同时，对于个体而言，如何从庞大的互联网数据中选择自己需要的信息，也是用户面临的问题。在这样的背景下，推荐系统得以迅速发展。

现有技术中，推荐系统的主要目标是根据用户与产品的历史交互信息来学习用户的兴趣偏好，最终根据用户的兴趣个性化推荐产品。但推荐系统始终面临着数据稀疏和冷启动问题，通过引入用户的特征和产品的特征能在一定程度上缓解上述问题，而特征之间往往不是独立的，特征之间的相互关系往往影响着推荐性能。通过手工构建所有有意义的组合是难以实现的，找到有意义的高阶组合特征很大程度上依赖于领域专家，且会花费大量的人力资源，导致推荐成本高和精度差。因此，如何自动捕获有效的特征间关系，以实现为用户进行精准地产品推荐是目前业界亟待解决的重要课题。

随时神经网络的方法的兴起，许多基于深度神经网络的方法被提出用来建模高阶特征交互，以实现产品推荐，如注意力因式分解机模型和神经因式分解机等。但是，由于当基于用户特征和产品特征交互来执行联合决策时，用户特征和产品特征在推荐中的角色不同，而上述模型在学习高阶特征交互特征中均同等的对待用户特征和产品特征，使得用户特征和产品特征在推荐中的角色一致，提取的交互信息不全面，难以捕获到精准的推荐结果。

发明内容

本发明提供一种基于交互特征的产品推荐方法及系统，用以解决现有技术中在学习高阶特征交互特征中均同等的对待用户特征和产品特征，导致推荐结果精度低的缺陷，实现自动精准地进行产品推荐。

本发明提供一种基于交互特征的产品推荐方法，包括：

从目标输入实例中，获取目标用户的用户特征和候选产品的产品特征；

将所述用户特征输入推荐模型中的第一自注意力模块，提取所述用户特征的内部交互特征；所述用户特征的内部交互特征包括所述用户特征内部的各子特征之间的交互特征；

将所述产品特征输入所述推荐模型中的第二自注意力模块，提取所述产品特征的内部交互特征；所述产品特征的内部交互特征包括所述产品特征内部的各子特征之间的交互特征；

将所述用户特征和所述产品特征拼接形成的第一特征矩阵，输入所述推荐模型中的第三自注意力模块，提取所述用户特征和所述产品特征之间的交互特征；

根据所述用户特征的内部交互特征、所述产品特征的内部交互特征，以及所述用户特征和所述产品特征之间的交互特征，确定所述推荐模型中的预测模块的第一输入信息，将所述第一输入信息输入所述预测模块，预测所述目标用户对所述候选产品的偏好信息，并根据所述偏好信息，对所述目标用户执行产品推荐操作；

其中，所述推荐模型是，基于样本输入实例和所述样本输入实例中样本用户对应的产品选择记录进行训练得到的。

根据本发明提供的一种基于交互特征的产品推荐方法，所述根据所述用户特征的内部交互特征、所述产品特征的内部交互特征，以及所述用户特征和所述产品特征之间的交互特征，确定所述推荐模型中的预测模块的第一输入信息，包括：