[发明专利]一种基于解纠缠表示学习的个性化标签推荐方法

权利要求书

1.一种基于解纠缠表示学习的个性化标签推荐方法，其特征在于：所述特性化标签推荐方法包含以下步骤：

步骤1.给定用户、物品及标签ID信息，构建用户、物品、面向用户的标签和面向物品的标签的嵌入表示，并且按照潜在意图将用户嵌入式表示、物品嵌入式表示、面向用户的标签嵌入式表示和面向物品的标签嵌入式表示进行分块，获得各个潜在意图的分块表示；

步骤2.利用图解纠缠模块，将步骤1获取的潜在意图的分块表示与对应意图进行耦合，得到用户、物品、面向用户的标签和面向物品的标签的解纠缠嵌入表示；

步骤3.在用户、物品、面向用户的标签和面向物品的标签的解纠缠嵌入表示基础之上，利用独立性模块计算不同意图之间的独立性损失；

步骤4.利用成对张量分解算法学习用户、物品、面向用户的标签和面向物品的标签的嵌入式表示；

步骤5.使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，根据预测评分提供个性化的标签推荐。

2.根据权利要求1所述的一种基于解纠缠表示学习的个性化标签推荐方法中，其特征在于：所述步骤1具体包括如下步骤：

步骤1-1、给定用户、物品及标签ID信息，构建用户、物品、面向用户的标签和面向物品的标签的嵌入表示：

e_u＝lookup(U,u)

e_i＝lookup(I,i)

其中，d表示嵌入式表示的维度，u、i和t分别表示用户、物品和标签的索引，U、I分别表示所有用户、所有物品的嵌入表示，T^U、T^I分别表示所有面向用户的标签和所有面向物品的标签的嵌入表示，lookup()操作表示根据实体的索引信息从相应的嵌入表示矩阵中抽取对应的嵌入向量；

步骤1-2、按照潜在意图将用户嵌入式表示、物品嵌入式表示、面向用户的标签嵌入式表示和面向物品的标签嵌入式表示进行分块，获得各个潜在意图的分块表示：

e_u＝(e_1u,e_2u,…,e_Ku)

e_i＝(e_1i,e_2i,…,e_Ki)

其中，K表示潜在意图的个数，每个潜在意图的分块具有相同的维度，k表示第k个意图分块。