[发明专利]一种基于卷积自注意力网络的会话推荐方法

权利要求书

1.一种基于卷积自注意力网络的会话推荐方法，其特征在于，步骤如下：

S1：给定一个会话作为输入，获取会话内每个物品的低维向量，该低维向量由物品嵌入和物品在会话中的位置嵌入相加而成；

S2：在S1获得的低维向量基础上，使用基于卷积自注意力网络的序列编码器建模会话的序列信息，使用基于卷积自注意力网络和高斯注意力机制的意图编码器建模会话的关键意图信息并计算高斯权重；

所述基于卷积自注意力网络的序列编码器建模会话的序列信息的方法为：

S211：使用卷积操作捕捉会话内每个物品周围的会话片段特征，建模物品表示时以该特征进行交互，得到会话片段敏感的物品表示；

S212：基于S211中得到的物品表示，利用自注意力网络捕捉会话中不同物品之间的相互依赖，建模会话的序列信息；所述S212中的自注意力网络为掩码多头自注意力网络；

所述基于卷积自注意力网络和高斯注意力机制的意图编码器建模会话的关键意图信息并计算高斯权重的具体方法为：

S221：基于S211中得到的物品表示，利用卷积自注意力网络捕捉不同物品之间的相互依赖；

S222：基于S221中得到的物品表示，利用注意力机制计算各物品在会话之中所占的权重，不同物品表示的加权之和为会话的关键意图信息；然后以会话中最后一个物品为高斯分布的期望中心，计算经过高斯偏移的各物品的高斯权重；

S3：拼接S2中得到的序列信息和关键意图信息得到会话隐层表示，输入到重复-探索选择器中预测用户下一步选择重复或不重复物品的概率；然后在重复推荐解码器中计算各重复物品的条件概率，在探索推荐解码器中计算各不重复物品的条件概率，两种解码器输出的边缘概率相加，得到模型对所有可能物品的预测概率。

2.如权利要求1所述的基于卷积自注意力网络的会话推荐方法，其特征在于，所述重复-探索选择器中预测用户下一步选择重复或不重复物品的概率的具体方法为：

拼接所述的序列信息和关键意图信息，输入到线性网络层中进行映射变换，再经过softmax层进行归一化，得到重复推荐概率和探索推荐概率，用于判断向用户推荐点击过的物品还是未点击过的物品。

3.如权利要求1所述的基于卷积自注意力网络的会话推荐方法，其特征在于，所述重复推荐解码器中计算各重复物品的条件概率的具体方法为：

以S222中得到的高斯权重为输入，整合计算用户下一步点击各重复物品的条件概率。

4.如权利要求1所述的基于卷积自注意力网络的会话推荐方法，其特征在于，所述探索推荐解码器中计算各不重复物品的条件概率的具体方法为：

拼接所述序列信息和关键意图信息得到会话隐层表示，并通过双向线性变换矩阵和物品嵌入矩阵将其映射到未点击物品的分类上，最后经过softmax层进行归一化，得到用户下一步点击不重复物品的条件概率。