[发明专利]一种基于注意力模型的推荐方法

权利要求书

1.一种基于注意力模型的推荐方法，其特征在于，包括如下步骤：

步骤1：建立用户评分矩阵，把m个用户对n个商品的评分形成一个m*n的评分矩阵R，矩阵中的项R_ij表示用户u_i对商品i_j的评分；

m名用户构成了用户集合U＝{u₁,u₂,…,u_m}，n件商品构成了项目结合I＝{i₁,i₂,...,i_n}，用户评分矩阵R表示为：

其中，用户u_i对商品i_j的评分即为R_ij；

步骤2：去除评论语句中的停用词，并将评论的词语映射成词向量；

步骤3：建立基于注意力模型的Encoder-Decoder模型，得到输出单元y_i；

建立基于注意力模型的Encoder-Decoder模型，每个输出单元y_i都有对应语义编码C_i，C_i是由编码时的隐藏向量序列(S₁,...,S_t)按权重相加得到的，α_i是注意力权重，β_i是i时刻状态y_i的注意力得分，β_i＝V_αtan(y_iW_α+b_α)；V_α和W_α是已知的权重参数，b_α是偏置单元；

步骤4：计算情感评分Score(emotion)；

步骤5：根据用户的真实评分和情感评分进行加权，得到用户的最终得分来更新用户评分矩阵，然后计算用户评分之间的相似性，把与用户U最相似的前N个用户的近期消费商品推荐给用户U，完成推荐操作

对用户的真实评分和情感评分进行加权，得到用户的最终得分，更新用户评分矩阵，表达式如下：

R_ij＝α·Score(emotion)+(1-α)·R’_ij

其中，α代表情感得分的权重分配，其值的大小在0到1之间；R’_ij是用户的真实评分，通过二者的计算，为用户生成更能代表其本意的得分；

利用更新的R_ij计算用户评分 之间的相似性，表达式为：

其中，d(u_i,u_j)是n维空间上的欧式距离，

进一步地，将所有用户按照与被推荐用户U的相似度进行排序，把与用户U最相似的前N个用户的近期消费商品推荐给用户U，完成推荐操作。