[发明专利]一种基于端到端双曲空间的用户推荐方法

说明书

本发明公开了一种基于端到端双曲空间的用户推荐方法，包括：获取欧几里得空间中的项目表征和目标用户的用户表征，并构建用户推荐模型，利用用户推荐模型执行以下操作：将用户表征和项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征；利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征；将新的用户双曲表征在双曲空间上分解为多个双曲分向量，并根据多个双曲分向量，得到用户偏好信息；根据用户偏好信息，利用注意力机制在双曲空间上处理新的用户双曲表征和项目双曲表征，得到新的用户‑项目交互信息；根据用户社交信息和新的用户‑项目交互信息，向目标用户进行项目推荐。

技术领域

本发明涉及人工智能、深度学习、机器学习、社交推荐系统、双曲空间等领域，尤其涉及基于端到端双曲空间的用户推荐方法、基于端到端双曲空间的用户推荐模型训练方法及装置、电子设备和存储介质。

背景技术

在信息爆炸的网络环境背景下，用户越来越难以做出决定。为了缓解这种信息过载带来的不便，推荐系统发挥了主导作用，其目的是通过推荐合适的项目(如产品)为用户提供个性化的服务，而不是让用户自己寻找。近年来，推荐系统或推荐方法已经成为许多应用中改善用户体验的基石，如电子商务、音乐推荐和旅游推荐等，在包括电子商务和旅游在内的许多领域都取得了巨大的成功。现有的推荐方法通常通过探索研究用户-项目交互关系来预测用户的偏好行为。

然而，现有技术中的推荐系统或推荐方法通常只在欧几里得空间中学习用户和项目的表征，在探索数据中的潜在层级关系属性时有很大的局限性。此外，现有技术中的推荐方法或系统存在无法有效处理复杂的用户与项目(商品和/或物品)的互动关系、推荐预测结果准确性低等问题。

发明内容

鉴于上述问题，本发明提供了一种基于端到端双曲空间的用户推荐方法、基于端到端双曲空间的用户推荐模型的训练方法及装置、电子设备及存储介质，以期能够至少解决上述技术问题之一。

根据本发明的第一个方面，提供了一种基于端到端双曲空间的用户推荐方法，包括：

获取欧几里得空间中的项目表征和目标用户的用户表征，其中，用户表征包括社会关系和与项目的交互信息，项目表征包括项目属性信息，并构建用户推荐模型，利用用户推荐模型执行以下操作：

将用户表征和项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征；

利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征；

将新的用户双曲表征在双曲空间上分解为多个双曲分向量，并根据多个双曲分向量，得到用户偏好信息；

根据用户偏好信息，利用注意力机制在双曲空间上处理新的用户双曲表征和项目双曲表征，得到新的用户-项目交互信息；

根据用户社交信息和新的用户-项目交互信息，向目标用户进行项目推荐。

根据本发明的实施例，上述将用户表征和项目表征分别映射到双曲空间中，得到用户双曲表征和项目双曲表征包括：

将用户表征和项目表征分别添加具有预设值的附加维度，得到用户附加表征和项目附加表征；

将用户附加表征和项目附加表征分别嵌入到欧几里得空间的原点的切空间中，得到切空间上的用户表征和切空间上的项目表征；

利用原点处的指数映射分别将切空间上的用户表征和切空间上的项目表征映射到洛伦茨模型中，得到用户双曲表征和项目双曲表征。

根据本发明的实施例，上述利用纯双曲空间图卷积神经网络在双曲空间上处理用户双曲表征，得到用户社交信息和新的用户双曲表征包括：

利用预设矩阵对用户双曲表征进行变换，得到中间用户双曲表征；