[发明专利]一种基于长短期兴趣的序列化推荐方法在审
| 申请号： | 202010014762.2 | 申请日： | 2020-01-07 |
| 公开（公告）号： | CN111242729A | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 郭斌;张岩;王倩茹;张婧;於志文 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06 |
| 代理公司： | 西安利泽明知识产权代理有限公司 61222 | 代理人： | 刘伟 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 短期 兴趣 序列 推荐 方法 | ||
1.一种基于长短期兴趣的序列化推荐方法，其特征在于：所述方法包括以下步骤：
S1：获取数据，对数据进行预处理；
S2：对所有的评论文本、提问文本进行处理，对每个商品的相关文本中选择得分最高的多个词作为提取特征，通过所有特征的集合来对商品进行描述，构建商品的特征表示矩阵；
S3：构建用户购买序列的向量表示：根据商品的特征表示矩阵以及用户的历史购买序列得到每个用户购买序列的向量表示；
S4：分别对用户的长期兴趣偏好和短期兴趣偏好进行表示；
S5：将用户的长期兴趣偏好和短期兴趣偏好通过Attention机制获得用户聚合偏好；
S6：通过确定聚合偏好和目标物品之间的关系，获得用户提问之后与物品交互的概率；
S7：使用交叉熵损失函数来学习模型的参数，得到提问时刻后每个物品被购买的概率。
2.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：所述S1中预处理包括：将每个用户的购买数据、评论数据以及提问数据按照时间顺序排序、过滤总购买数低的用户。
3.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：所述S2中选择得分最高的多个词的个数为大于等于5个。
4.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：所述S2中，使用TF-IDF方法对评论文本、提问文本进行处理。
5.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：根据用户购买序列的向量表示，使用双向RNN隐藏单元的值对用户的长期偏好进行表示。
6.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：短期兴趣偏好使用CoreNLP算法对用户在某一时刻的提问文本进行处理，得到用户在提问中比较关注的特征的分数，对用户的短期兴趣偏好进行表示。
7.根据权利要求1所述的一种基于长短期兴趣的序列化推荐方法，其特征在于：所述S6中的所述聚合偏好和目标物品之间的关系通过使用全连接层来确定。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010014762.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：显示特效的方法、装置、存储介质及电子设备
- 下一篇：消息处理方法及服务系统
