[发明专利]基于共享账户的信息跨域并行序列推荐方法、介质及设备

说明书

本公开提供了一种基于共享账户的信息跨域并行序列推荐方法、介质及设备，通过提取给定的账户在不同领域的观看序列，并对其进行编码，得到给定账户在单个领域的混合表示；通过学习混合表示来识别不同的用户行为，过滤出可能对另一个域有用的信息；将各领域的有用信息迁移至对应的其他领域中；整合不同领域过滤的有用信息，对每一个相关信息进行评价，根据评价结果，推荐相关的信息给对应账号。解决推荐系统中常出现的冷启动和数据稀疏性问题。

技术领域

本公开属于信息处理领域，具体涉及一种基于共享账户的信息跨域并行序列推荐方法、介质及设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

序列推荐是根据用户在某一时间段内的浏览或者购买记录来捕捉用户短期或者长期的兴趣爱好的方法。在此之中，用户的记录有着明确的时间顺序，同一时间段内的记录可能反映了用户相同的兴趣和目的。

共享账户推荐是针对多个用户共用一个账号提出的问题，近年来各个平台中家庭成员共用账号尤为普遍。一个账号下的多个用户可能会有共同的兴趣和各自的爱好，因此如何准确识别出每个用户并对其做出精确的个性化推荐变得愈发重要。

跨领域推荐是面向多个领域的，旨在通过研究其中一个领域下用户的兴趣分布来提升其他领域推荐性能的算法。该项任务的基本假设是基于用户在不同领域下的记录能够反映同一个用户相同的兴趣，从而可以通过研究一个领域中用户的兴趣进而提升其他领域的推荐性能以改善推荐系统经常存在的数据稀疏和冷启动问题，因此引起了学术界的广泛重视。

据发明人了解，传统的序列推荐都是针对单个用户在某个特殊领域做出的研究，目前循环神经网络被广泛的用来捕捉用户记录中的时序特性。在以往有关共享账户的研究工作中，通常都是先在高维的空间下建模出多个用户与公共账户之间的复杂映射关系以此来捕捉各用户的兴趣爱好，然后针对特定用户去做个性化推荐。在以往有关跨领域推荐的研究工作中，目前主流的基础做法有两种，一种是聚合多个域的信息，另外一种用到了知识迁移。但是上述的方法都不能在基于共享账户的跨领域序列推荐上直接使用，原因有两点，一是因为他们没有考虑到时序的特点，二是因为这些方法严重依赖显式的用户评分，然而这种信息在序列推荐中是不具备的。

发明内容

本公开为了解决上述问题，提出了一种基于共享账户的信息跨域并行序列推荐方法、介质及设备，本公开根据同一时间段中账户在不同领域下的记录，同时过滤出特定用户的信息来同时给两个领域做出用户的个性化推荐以互相提升每个领域的推荐性能，保证了信息推荐的正确性、有效性和及时性。

根据一些实施例，本公开采用如下技术方案：

一种基于共享账户的信息跨域并行序列推荐方法，包括以下步骤：

提取给定的账户在不同领域的观看序列，并对其进行编码，得到给定账户在单个领域的混合表示；

通过学习混合表示来识别不同的用户行为，过滤出可能对另一个域有用的信息；

将各领域的有用信息迁移至对应的其他领域中；

整合不同领域过滤的有用信息，对每一个相关信息进行评价，根据评价结果，推荐相关的信息给对应账号。

上述方案中，通过挖掘并互相传递特定用户在多个领域的信息，可以同时提升每个领域的推荐性能，还可以很好的解决推荐系统中常出现的冷启动和数据稀疏性问题。

作为一些可能的实施方式，采用循环神经网络提取给定的账户在不同领域的观看序列。

作为一些可能的实施方式，利用门机制过滤对另一域有用信息。

作为一些可能的实施方式，选择对于另外一个领域有帮助的信息进行传递，且信息的传递为双向的。

一种基于共享账户的信息跨域并行序列推荐系统，包括：