[发明专利]一种基于双重对比学习的物品推荐方法及装置

权利要求书

1.一种基于双重对比学习的物品推荐方法，其特征在于，包括以下步骤：

获取用户与物品的交互记录信息，并构建目标推荐模型RecDCL；其中，所述RecDCL包括编码器、对比学习模型BCL和FCL；

将所述交互记录信息输入编码器得到用户和物品的当前表征，，并计算FCL的目标函数；其中，所述FCL的目标函数，包括基于所述当前表征的互相关矩阵计算的对齐性损失和基于所述当前表征计算的一致性损失；

基于所述当前表征对应的历史表征得到的扰动表征计算BCL的目标函数，并对所述FCL的目标函数和所述BCL的目标函数进行联合优化；

基于优化后的联合目标函数的损失计算结果计算用户和物品的相似度，并根据相似度计算结果对物品列表进行排序，以根据物品排序结果预测用户点击的物品。

2.根据权利要求1所述的方法，其特征在于，所述用户和物品的当前表征为E_U和E_I，E_U和E_I之间的互相关矩阵表示为：

其中，和各自表示E_U的第m行和第n列，C是一个方形矩阵，和编码器的输出有相同的维度为F；

预设不变项和冗余减少项同时乘以一个因子，将标准缩放为维度的函数，所述对齐性损失计算为：

其中，γ为系数。

3.根据权利要求2所述的方法，其特征在于，所述一致性损失计算为：

其中，a、c和e是多项式核里的默认参数，e是正整数，a为正实数，c为非负实数。

4.根据权利要求3所述的方法，其特征在于，所述E_U和E_I是由编码器得到的当前表征，则和是历史表征，扰动表征表示为：

其中，τ是控制表征信息保留的比例；

BCL的目标函数表示为：

其中h(·)是多层感知网络，sg(·,是停止更新梯度操作，S,表示Cosine相似度。

5.根据权利要求4所述的方法，其特征在于，所述联合目标函数表示为：

其中，α和β为权衡参数。

6.一种基于双重对比学习的物品推荐装置，其特征在于，包括：

模型构建模块，用于获取用户与物品的交互记录信息，并构建目标推荐模型RecDCL；其中，所述RecDCL包括编码器、对比学习模型BCL和FCL；

损失计算模块，用于将所述交互记录信息输入编码器得到用户和物品的当前表征，并计算FCL的目标函数；其中，所述FCL的目标函数，包括基于所述当前表征的互相关矩阵计算的对齐性损失和基于所述当前表征计算的一致性损失；

联合优化模块，用于基于所述当前表征对应的历史表征得到的扰动表征计算BCL的目标函数，并对所述FCL的目标函数和所述BCL的目标函数进行联合优化；

物品预测模块，用于基于优化后的联合目标函数的损失计算结果计算用户和物品的相似度，并根据相似度计算结果对物品列表进行排序，以根据物品排序结果预测用户点击的物品。

7.根据权利要求6所述的装置，其特征在于，所述用户和物品的当前表征为E_U和E_I，E_U和E_I之间的互相关矩阵表示为：

其中，和各自表示E_U的第m行和第n列，C是一个方形矩阵，和编码器的输出有相同的维度为F；

预设不变项和冗余减少项同时乘以一个因子，将标准缩放为维度的函数，所述对齐性损失计算为：

其中，γ为系数。

8.根据权利要求7所述的装置，其特征在于，所述一致性损失计算为：

其中，a、c和e是多项式核里的默认参数，e是正整数，a为正实数，c为非负实数。