[发明专利]基于深度学习注意力机制的个性化商品检索方法及装置

摘要

本发明公开了一种基于深度学习注意力机制的个性化商品检索方法及装置。其中，该方法包括：构建基于注意力机制的短期偏好模型；构建基于注意力机制的长期偏好模型；查询再表示；查询再表示的过程为：融合基于注意力机制的短期偏好模型、基于注意力机制的长期偏好模型以及当前查询，通过多层全连接网络来学习三者之间的交互关系，得到重组的查询表示，并采用一个距离函数来界定所有商品与当前查询的相关程度；训练所述多层全连接网络结束后，对每个用户提交的新查询，得到所有商品与当前查询的距离值，再将所有距离值从高到低进行排序，并将前n个距离值对应的商品返回给用户，其中，n为正整数。

主权项

1.一种基于深度学习注意力机制的个性化商品检索方法，其特征在于，包括：步骤1：构建基于注意力机制的短期偏好模型；所述步骤1具体包括：给定当前的查询，采用神经网络来估计前m个查询与当前查询之间的相关程度，并采用不同的注意力权重来表示；其中，m为正整数；将获得的注意力权重乘以对应的商品表示，输入至RNN模型中，输出表示基于注意力机制的短期偏好的m个向量；步骤2：构建基于注意力机制的长期偏好模型；所述步骤2具体包括：采用最初购买的m个商品表示来初始化其长期偏好，并利用与构建基于注意力机制的短期偏好模型的相同原理，得到基于注意力机制的长期偏好模型；之后每经过m个商品，就更新一次当前用户的长期偏好，获得更新后的基于注意力机制的长期偏好模型；步骤3：查询再表示；其过程为：融合基于注意力机制的短期偏好模型、基于注意力机制的长期偏好模型以及当前查询，通过多层全连接网络来学习三者之间的交互关系，得到重组的查询表示，并采用一个距离函数来界定所有商品与当前查询的相关程度；步骤4：训练所述多层全连接网络结束后，对每个用户提交的新查询，得到所有商品与当前查询的距离值，再将所有距离值从高到低进行排序，并将前n个距离值对应的商品返回给用户，其中，n为正整数。