[发明专利]基于结构化用户意图识别的序列推荐方法及装置在审
申请号: | 202010157038.5 | 申请日: | 2020-03-09 |
公开(公告)号: | CN111460284A | 公开(公告)日: | 2020-07-28 |
发明(设计)人: | 朱文武;李昊阳;马坚鑫 | 申请(专利权)人: | 清华大学 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06N3/02;G06Q30/06 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 王艳斌 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 结构 化用 意图 识别 序列 推荐 方法 装置 | ||
本发明公开了一种基于结构化用户意图识别的序列推荐方法及装置,该方法包括:获取用户的商品交互历史数据,通过自注意力编码器对商品历史交互数据进行信息聚合;根据聚合后的数据,利用神经网络多层感知机求解用户的真实交互意图;根据真实交互意图,通过图神经网络对用户意图进行转移,刻画用户的未来潜在意图。该方法可以刻画用户在做出购买决策时真实意图,同时可以基于用户意图做出结构化的转移,能够更加透明地、可解释地模拟用户在购买商品时的心理状态,使得序列推荐的性能得以提升。
技术领域
本发明涉及意图识别技术领域,特别涉及一种基于结构化用户意图识别的序列推荐方法及装置。
背景技术
现有的购物软件会根据用户的喜好及需求进行推荐,现有的序列推荐方法关注用户的商品交互历史,主要是设计黑盒模型刻画交互历史中的模式,但是没有显式考虑用户在做出交互决策时的真实意图,另外现有方法没有推理未观测到用户意图使得对于序列推荐效果不佳。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于结构化用户意图识别的序列推荐方法,该方法刻画出用户在购买时的真实意图,并做出可解释地序列推荐。
本发明的另一个目的在于提出一种基于结构化用户意图识别的序列推荐装置。
为达到上述目的,本发明一方面实施例提出了一种基于结构化用户意图识别的序列推荐方法,包括:
获取用户的商品交互历史数据,通过自注意力编码器对所述商品历史交互数据进行信息聚合;
根据聚合后的数据,利用神经网络多层感知机求解用户的真实交互意图;
根据所述真实交互意图,通过图神经网络对用户意图进行转移,刻画用户的未来潜在意图。
本发明实施例的基于结构化用户意图识别的序列推荐方法,通过自注意力编码器对用户的商品购买历史进行编码,利用神经网络刻画用户在做出购买决策时的心理状态和真实意图,通过图神经网络,基于用户的真实意图做出意图的转移,刻画用户之后可能的意图。由此,模型能够更加透明地、可解释地模拟用户在购买商品时的心理状态,使得序列推荐的性能得以提升,可以应用在推荐系统、用户意图识别、可解释机器学习等方面。
另外,根据本发明上述实施例的基于结构化用户意图识别的序列推荐方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,刻画用户的未来潜在意图之后,还包括:
根据所述未来潜在意图为用户进行序列推荐。
进一步地,在本发明的一个实施例中,用户在推荐的序列中选择并标记需要的和不需要的序列,根据用户标记的结果对模型参数进行调整。
进一步地,在本发明的一个实施例中,所述用户真实交互意图包括用户在做出购买决策时的心理状态和真实意图。
进一步地,在本发明的一个实施例中,所述通过自注意力编码器对所述商品历史交互数据进行信息聚合,包括:
应用所述自注意力编码器对用户的商品购买历史进行编码。
为达到上述目的,本发明另一方面实施例提出了一种基于结构化用户意图识别的序列推荐装置,包括:
处理模块,用于获取用户的商品交互历史数据,通过自注意力编码器对所述商品历史交互数据进行信息聚合;
计算模块,用于根据聚合后的数据,利用神经网络多层感知机求解用户的真实交互意图;
求解模块,用于根据所述真实交互意图,通过图神经网络对用户意图进行转移,刻画用户的未来潜在意图。
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清华大学,未经清华大学许可,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/202010157038.5/2.html,转载请声明来源钻瓜专利网。