[发明专利]基于主题指导和双全局注意力的会话推荐方法

说明书

本发明涉及互联网大数据技术领域，具体涉及一种基于主题指导和双全局注意力的会话推荐方法，其首先，基于注意力机制从目标会话文本的不同角度提取包含体现共现关系的显式全局嵌入表示和体现语义关系的隐式全局嵌入表示的全局嵌入表示；然后，从目标会话文本中提取对应的主题嵌入表示；最后，基于主题嵌入表示指导全局嵌入表示进行预测，以生成最终预测概率分布，并基于最终预测概率分布进行商品推荐。本发明中基于主题指导和双全局注意力的会话推荐方法能够兼顾商品分布概率预测的全面性和准确性。

技术领域

本发明涉及互联网大数据技术领域，具体涉及基于主题指导和双全局注意力的会话推荐方法。

背景技术

基于会话的推荐是一种针对匿名用户或未登录用户的一种推荐模式，其在如今的各大电商平台(淘宝、京东等)或流媒体平台(抖音，YouTobe等)发挥着重要作用。在实际场景中，我们也许只能获取到用户的短期历史交互，比如：新用户或未登录用户。此时依赖于用户长期历史交互的推荐算法在会话推荐中的表现会收到限制，例如基于协同过滤或马尔可夫链的方法。因此，基于会话的推荐成为一个研究热点，其目标是根据用户在会话中的行为序列来推荐用户感兴趣的下一个商品。

近年来，基于会话的推荐方法主要采用循环神经网络(RNN)或者基于循环神经网络(RNN)的优化方法来学习会话中的商品序列信息以及商品对用户当前兴趣的影响程度。然而，这些方法只考虑到当前会话中物品的转移信息，却忽略了更复杂的物品空间结构信息。为此，公开号为CN111460331A的中国专利就公开了《一种基于时空图的会话推荐方法》，其首先根据用户当前会话以及物品的有向图网络构建时空图，通过平行循环神经网络结构对时空图进行建模，得到用户的短期兴趣；然后用长短记忆网络对用户的最近会话进行向量表征，并采用注意力机制学习用户最近会话中对当前短期兴趣影响较大的长期兴趣；最后，结合用户的短期兴趣和长期兴趣进行物品的推荐。

上述现有方案中的会话推荐方法同时根据用户当前兴趣和用户最近会话列表并采用注意力机制对用户的长期兴趣进行建模，极大地提高了会话推荐的准确度。然而，现有的会话推荐方法几乎没有研究和关注全局信息(全局角度的可用信息)，即没能有效的挖掘商品的全局信息，使得预测分布概率时难以融入商品全局信息，进而导致商品分布概率预测的全面性偏低。同时，由于仅通过数据无法判断商品的所属主题(例如手机”和“耳机”都属于电子产品这一主题)，使得现有会话推荐方法都忽略了建模商品间的主题关系，导致商品分布概率预测的准确性不高。因此，如何设计一种能够兼顾商品分布概率预测的全面性和准确性的会话推荐方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够兼顾商品分布概率预测的全面性和准确性的会话推荐方法，从而提升商品推荐的效果。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于主题指导和双全局注意力的会话推荐方法，其首先，基于注意力机制从目标会话文本的不同角度提取包含体现共现关系的显式全局嵌入表示和体现语义关系的隐式全局嵌入表示的全局嵌入表示；然后，从目标会话文本中提取对应的主题嵌入表示；最后，基于主题嵌入表示指导全局嵌入表示进行预测，以生成最终预测概率分布，并基于最终预测概率分布进行商品推荐。

优选的，通过如下步骤生成最终预测概率分布：

S1：对目标会话文本进行编码，得到对应的局部嵌入表示