一种基于多层感知机与自注意力机制的序列推荐方法及系统

    公开(公告)号:CN117708433A

    公开(公告)日:2024-03-15

    申请号:CN202410005952.6

    申请日:2024-01-03

    Abstract: 本发明公开了一种基于多层感知机与自注意力机制的序列推荐方法及系统,该方法包括:在多层感知机结构的基础上,在输入端融合多头自注意力模块,得到MASARec框架;数据处理及预训练,将用户历史数据组织成用户行为序列,使用用户行为序列优化模块对样本用户数据进行预训练;利用预训练后得到的最优参数对MASARec框架进行训练,得到训练完成的MASARec框架;利用训练完成的MASARec框架进行推进结果预测,得到推荐结果。通过使用本发明,能够自适应缩短用户行为序列并充分发掘序列之间的依赖关系来缓解数据过载以及数据的噪音干扰;同时使用结构简单的多层感知机和强大的多头自注意力机制来提高模型的训练效率和推荐的准确性。本发明可广泛应用于推荐系统领域。

    一种基于双构图的会话推荐增强方法

    公开(公告)号:CN117807281A

    公开(公告)日:2024-04-02

    申请号:CN202410008395.3

    申请日:2024-01-04

    Abstract: 本发明涉及会话推荐技术领域,涉及一种基于多行为异构图和超图增强获取用户短期、动态偏好的推荐方法,包括以下步骤:一、获取用户与系统会话行为信息,组成会话数据;二、将会话数据构造为会话序列:序列内的数据为用户与系统的每一条交互信息,包括浏览、收藏、点赞等;三、将会话序列推送给模型进行训练:将会话序列构建为多行为异构网络图和超图;提出注意力机制捕获不同节点间的权重,形成不同的相邻项目对目标项目的编码增强;四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模,捕获项目间的高阶关系;五、最终通过自监督学习,得到结合多行为和节点信息的损失函数目标;本发明能实现捕获用户短期、动态的偏好,从而进行精准推荐。

Patent Agency Ranking