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：重庆理工大学

摘要：本发明具体涉及基于源域数据增强与多兴趣细化迁移的跨域推荐方法，包括：通过跨域推荐模型输出冷启动用户对目标域候选商品的预测得分；处理步骤如下：筛选源域中潜在交互商品并进行去噪，生成辅助嵌入表示序列；对源域中真实商品交互嵌入序列和辅助嵌入表示序列进行兴趣提取；将冷启动用户的嵌入表示与多兴趣表示序列进行融合；对多兴趣偏好融合用户嵌入序列进行多兴趣细化；将多细化兴趣融合用户嵌入序列映射到目标域；计算每个冷启动用户的所有嵌入表示对目标域候选商品的预测得分并进行融合，生成冷启动用户对目标域候选商品的预测得分。本发明能够改善用户在源域中交互数据稀疏的问题，同时解决用户存在多个兴趣且兴趣之间关联的问题。

主权项：1.基于源域数据增强与多兴趣细化迁移的跨域推荐方法，其特征在于，包括：S1：获取冷启动用户在源域的真实商品交互序列以及目标域候选商品作为待推荐信息；S2：将待推荐信息输入跨域推荐模型，输出冷启动用户对目标域候选商品的预测得分；跨域推荐模型的处理步骤如下：S201：获取待推荐信息中的冷启动用户在源域的真实商品交互序列和目标域候选商品；S202：通过单域基础模型生成冷启动用户在源域的嵌入表示、真实商品交互嵌入序列以及目标域候选商品的嵌入表示；S203：根据冷启动用户对源域商品的评分筛选潜在交互商品，进而结合冷启动用户的真实商品交互嵌入序列对潜在交互商品进行去噪，生成辅助嵌入表示序列；步骤S203中，通过如下步骤生成冷启动用户的辅助嵌入表示序列：S2031：获取冷启动用户ui∈Us对源域商品集合Vs中每个源域商品vj∈Vs的评分；S2032：筛选评分最高的前k个源域商品作为冷启动用户ui的潜在交互商品序列公式描述为： 式中：表示冷启动用户ui的潜在交互商品序列；表示计算冷启动用户ui对源域商品集合Vs中每个源域商品的评分；topk表示选择评分最高的前k个源域商品；S2033：计算冷启动用户ui的真实商品交互嵌入序列中第i个真实交互商品对潜在交互商品序列中第l个潜在交互商品的注意力得分wil；公式描述为： 式中：wil表示第i个真实交互商品对第l个潜在交互商品的注意力得分；表示可训练参数；τ表示温度系数；S2034：基于第i个真实商品对潜在交互商品序列中所有的商品的注意力得分聚合生成第i个非噪音交互嵌入表示公式描述如下： 式中：表示潜在交互商品的非噪音交互嵌入表示；表示可训练参数；表示第l个潜在交互商品嵌入表示；wil表示第i个真实交互商品对第l个潜在交互商品的注意力得分；S2035：根据用户存在的n个真实交互商品筛选生成n个非噪音交互嵌入表示构成冷启动用户ui的辅助嵌入表示序列，表示为S204：对冷启动用户的真实商品交互嵌入序列和辅助嵌入表示序列进行兴趣提取，生成冷启动用户在源域的多兴趣表示序列；步骤S204中，通过如下步骤生冷启动用户在源域的多兴趣表示序列：S2041：根据冷启动用户ui的真实商品交互嵌入序列计算第一兴趣注意力矩阵A1；公式描述为： 式中：表示第一兴趣注意力矩阵；tanh为激活函数；均为可训练的参数；S2043：根据第一兴趣注意力矩阵A1从真实商品交互嵌入序列中提取M个兴趣嵌入表示来构成第一兴趣嵌入表示序列；公式描述为： 式中：表示从真实交互嵌入表示中提取出的M个兴趣嵌入表示构成的第一兴趣嵌入表示序列；S2044：根据冷启动用户ui的辅助嵌入表示序列计算第二兴趣注意力矩阵A2；公式描述为： 式中：表示第二兴趣注意力矩阵；tanh为激活函数；均为可训练的参数；S2045：根据第二兴趣注意力矩阵A2从辅助嵌入表示序列中提取M个兴趣嵌入表示来构成第二兴趣嵌入表示序列；公式描述为： 式中：表示从辅助嵌入表示序列中提取出的M个兴趣嵌入表示构成的第二兴趣嵌入表示序列；S2046：将第一兴趣嵌入表示序列与第二兴趣嵌入表示序列组合为冷启动用户的多兴趣表示序列；公式描述为： 式中：表示冷启动用户的多兴趣表示序列；S205：将冷启动用户的嵌入表示与其在源域的多兴趣表示序列进行融合，生成冷启动用户在源域的多兴趣偏好融合用户嵌入序列；S206：对冷启动用户在源域的多兴趣偏好融合用户嵌入序列进行多兴趣细化，生成冷启动用户在源域的多细化兴趣融合用户嵌入序列；步骤S206中，通过自注意层作为兴趣交互层来实现冷启动用户在源域的多兴趣偏好融合用户嵌入序列中的用户嵌入之间的交互，同时使用残差连接来保持兴趣之间的差异性，进而生成冷启动用户在源域的多细化兴趣融合用户嵌入序列；公式描述为： 式中：表示冷启动用户在源域的多细化兴趣融合用户嵌入序列；Attention表示自注意层；表示冷启动用户在源域的多兴趣偏好融合用户嵌入序列；S207：将冷启动用户在源域的多细化兴趣融合用户嵌入序列映射到目标域，生成冷启动用户在目标域的多细化兴趣融合用户嵌入序列；S208：计算冷启动用户在目标域的多细化兴趣融合用户嵌入序列中每个用户嵌入对目标域候选商品的预测得分；步骤S208中，计算冷启动用户在目标域的多细化兴趣融合用户嵌入序列中每个用户嵌入对目标域候选商品的预测得分；公式描述为： 式中：表示用户嵌入对目标域候选商品的预测得分；表示目标域的单域基础模型；S209：对每个冷启动用户的所有用户嵌入对目标域候选商品的预测得分进行融合，生成冷启动用户对目标域候选商品的预测得分；步骤S209中，通过权重聚合策略对一个用户存在的多个具有不同兴趣偏好的用户嵌入对目标域候选商品的预测得分进行融合，生成冷启动用户对目标域候选商品的预测得分；公式描述为： 式中：表示冷启动用户ui对目标域候选商品的预测得分；表示用户嵌入的权重；为可训练参数；S3：根据冷启动用户对目标域候选商品的预测得分确定推荐商品，以实现跨域推荐。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于源域数据增强与多兴趣细化迁移的跨域推荐方法