买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开一种融合用户兴趣状态的多粒度会话推荐方法。本发明获取带时序信息的会话数据，构成会话数据集；构建有向图、物品类别关系无向图；搭建基于用户兴趣的会话推荐模型，并利用训练集进行训练。本发明通过分别建立有向图和无向图并融合了物品以及物品种类特征，以此来捕捉用户的动态兴趣和静态兴趣，充分考虑了会话的交互特征和用户的兴趣状态，并为不同的兴趣特征添加不同的权重，能够更加准确的捕捉用户兴趣。通过注意力机制对用户兴趣嵌入向量进行建模，极大提高了推荐模型的准确率。本发明克服传统方法没有考虑会话序列的时间属性导致的忽略用户点击的物品之间本身所带有的关系，在对含有时间属性的会话推荐中本发明更优秀。

主权项：1.一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于包括以下步骤：步骤1：获取带时序信息的会话数据sk，构成会话数据集S＝{s1,s2...sk}；所述的会话数据sk包含会话发生时间集T,点击的物品集V以及对应物品的类别集C；其中会话发生时间集T＝{t1,t2...tn}，tn表示会话sk中的第n次点击发生的时间；点击的物品集V＝{v1,v2...vn}，vn表示会话sk中第n次点击的物品编号；物品的类别集C＝{c1,c2...cn}，cn表示会话sk中第n次交互所点击物品的种类；步骤2：划分训练集和测试集；在获取的会话数据集中选取最近d天的会话数据作为测试集，其余为训练集；步骤3：会话序列图表征步骤3.1、构建有向图GV,E1，GC,E2对会话数据集中S的每一个会话数据sk按照会话发生时间tm的先后顺序分别构建物品点击序列有向图GV,E1和物品类别点击序列有向图GC,E2；其中V,C分别表示有向图GV,E1、GC,E2中的节点，E1表示有向图GV,E1中连接物品节点的边，E2表示有向图GC,E2中连接物品种类节点的边；步骤3.2、有向图节点关系矩阵生成根据有向图GV,E1、GC,E2，分别生成对应有向图的节点关系矩阵Pv,Pc；Pv＝[Pvin；Pvout],Pc＝[Pcin；Pcout]，其中Pvin,Pcin表示为物品点击序列有向图GV,E1和物品类别点击序列有向图GC,E2的入度矩阵，入度矩阵内各元素表示为经过归一化处理后对应节点的入度；Pvout,Pcout表示为物品点击序列有向图GV,E1和物品类别点击序列有向图GC,E2的出度矩阵，出度矩阵内各元素表示经过归一化处理后对应节点的出度；步骤3.3、构建物品关系无向图物品类别关系无向图将物品点击序列有向图GV,E1和物品类别点击序列有向图GC,E2中的有向边转变为无向边，形成物品关系无向图和物品类别关系无向图步骤3.4、无向图节点关系矩阵生成：根据物品关系无向图和物品类别关系无向图分别生成对应无向图的物品关系矩阵Qv和物品类别关系矩阵Qc；其中Qv,Qc中的元素值Qvi,j,满足如下关系: 其中分别表示物品点击序列、物品类别点击序列的入度矩阵和出度矩阵中对应的元素值；步骤3.5、对关系矩阵Qv,Qc中的元素值Qvi,j,进行归一化处理；步骤4：搭建融合用户兴趣状态的会话推荐模型，并利用训练集进行训练；所述融合用户兴趣状态的会话推荐模型包括输入层、嵌入层、兴趣表征层、注意力层、预测层；步骤5：利用测试集对上述训练后的融合用户兴趣状态的会话推荐模型进行测试，然后利用测试好的融合用户兴趣状态的会话推荐模型实现会话推荐。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种融合用户兴趣状态的多粒度会话推荐方法