[发明专利]一种基于高阶平移模型的物品推荐方法

权利要求书

1.一种基于高阶平移模型的推荐算法，其特征在于，(1)主要关注高阶马尔科夫链对于序列化推荐的影响，在传统平移模型基础之上合理融入了高阶序列化信息；(2)设计了一种能够感知位置的个性化注意力机制，使其可以学习出特定物品在不同时刻以及面对不同用户时的自适应权重；(3)然后基于该自适应权重聚合不同阶的物品向量，从而得到一个更富表达力的平移向量，提升模型的推荐精度。

2.根据权利要求1所述的一种基于高阶平移模型的推荐算法，其特征在于，在针对每次交互行为构造平移向量时，本发明通过建模目标用户最近的多个消费行为，使得在短期偏好中编码了更多信息，用户多次消费行为的短期兴趣向量为：

则在平移空间中，高阶序列化行为的建模为：

3.根据权利要求1和2所述的基于高阶平移模型，其特征在于，用户多次消费行为的短期兴趣向量是由位置感知的注意力机制得到的，用于自适应捕获不同物品在不同时刻下对于目标用户决策时的重要性的方法为：

4.根据权利要求2和3所述的基于高阶平移模型，其特征在于，用户多次消费行为的短期偏好为：

。