[发明专利]一种融合生成对抗网络和自编码器的跨域推荐方法

权利要求书

1.一种融合双生成器双判别器的生成对抗网络和自编码器的跨域推荐方法，其特征在于，包括步骤：

步骤一：获取两个具有相同项目或相同用户的同类型数据域，数据域中包含有用户信息、项目信息和用户历史评分数据；

将两数据域中相同的用户信息或项目信息作为辅助信息，即，若两个数据域中的用户相同，则选取用户信息作为辅助信息，项目信息相同则选取项目信息作为辅助信息；

步骤二：将单个数据域中的评分数据和作为辅助信息的用户信息或项目信息相级联：数据域1和数据域2中的评分数据处理成为评分矩阵，分别记为R₁和R₂；对辅助信息进行one-hot编码，在数据域1和数据域2中的辅助信息的one-hot编码分别记为y₁和y₂；将数据域1的评分矩阵R₁和辅助信息one-hot编码y₁进行级联，得到矩阵Ca₁，数据域2的评分矩阵R₂和辅助信息one-hot编码y₂进行级联，得到矩阵Ca₂；

步骤三：对级联后得到的数据进行特征提取；

由生成器G₁对Ca₁进行特征提取，得到的特征记为g₁，生成器G₂对Ca₂进行特征提取，得到的特征记为g₂，生成器的工作方式如式(1)、(2)所示：

其中和θ_G2是可学习权重，和是偏置，h(·)是非线性激活函数，通过使用非线性激活函数，提取代表级联矩阵数据特性的非线性特征；

步骤四：通过生成对抗网络的对抗过程对不同数据域间的特征进行对齐与融合，得到融合后的数据特征；

生成对抗网络中包括判别器D和分类器C，将特征g₁和辅助信息one-hot编码y₁进行级联得到Ca′₁，特征g₂和辅助信息one-hot编码y₂进行级联得到Ca′₂，Ca′₁和Ca′₂作为判别器D的输入，通过判别器D对Ca′₁和Ca′₂进行二分类，用以判别特征g₁和g₂所属数据域；数据特征g₁和g₂作为分类器C的输入，分类器C在整个网络中作为一个判别器使用，通过分类器C尽可能的生成g₁和g₂对应的辅助信息的one-hot编码；

步骤五：对融合后的数据特征进行解码得到两个数据域的评分预测矩阵；

由融合后的数据域1的数据特征g′₁，通过解码器解码得到数据域2的评分预测矩阵R′₂；由融合后的数据域2的数据特征g′₂进行解码得到数据域1的评分预测矩阵R′₁。

2.如权利要求1所述的一种融合双生成器双判别器的生成对抗网络和自编码器的跨域推荐方法，其特征在于：需要进行数据读取的两个数据域分别代表目标域和源域，用户历史评分数据包括用户评分过的项目ID和对应的分数，用户的详细属性信息为用户的用户ID、年龄、性别、职业信息，项目的详细信息为项目ID、项目名称、类型信息。

3.根据权利要求1所述的一种融合双生成器双判别器的生成对抗网络和自编码器的跨域推荐方法，其特征在于：生成器G₁和生成器G₂使用自编码器中的编码器，利用编码器对级联数据进行特征提取。

4.根据权利要求1所述的一种融合双生成器双判别器的生成对抗网络和自编码器的跨域推荐方法，其特征在于：评分预测矩阵的行对应各个用户，列对应各个项目，对用户进行推荐时，根据评分预测矩阵中对应的行中的数据，为用户推荐预测分数高的项目。