[发明专利]一种行为感知推荐方法、终端及计算机可读存储介质

权利要求书

1.一种行为感知推荐方法，其特征在于，所述行为感知推荐方法包括以下步骤：

获取目标对象的下一行为与当前行为的注意力分数，并将所述注意力分数作为异构行为信息加入感知推荐模型的输入层中；

在所述感知推荐模型的输出侧引入目标行为，并根据所述目标行为对所述感知推荐模型进行训练，得到训练后的感知推荐模型；

根据所述训练后的感知推荐模型对所述目标对象的目标行为进行预测，得到目标行为对应的下一行为预测结果，并将得到的预测结果推荐至所述目标对象所在的客户端。

2.根据权利要求1所述的行为感知推荐方法，其特征在于，所述获取目标对象的当前行为与下一行为的注意力分数，之前包括：

将顺序单类协同过滤模型作为表征模块，对预设物品序列进行建模及输出对应的序列特征，得到所述感知推荐模型。

3.根据权利要求2所述的行为感知推荐方法，其特征在于，所述对预设物品序列进行建模及输出对应的序列特征，包括：

将所述目标对象的长度为L的历史物品序列作为输入；

利用行为注意力层在所述表征模块的输入层对不同的行为信息进行区分，得到异构序列中每个位置所包含的信息；

根据所述历史物品序列输出对应的序列特征。

4.根据权利要求3所述的行为感知推荐方法，其特征在于，所述异构序列中每个位置所包含的信息为：

其中，P_λ∈R^d×1，分别代表物品的潜在特征，行为的潜在特征以及位置λ的潜在特征。

5.根据权利要求1所述的行为感知推荐方法，其特征在于，所述获取目标对象的下一行为与当前行为的注意力分数，并将所述注意力分数作为异构行为信息加入感知推荐模型的输入层中，包括：

确定所述行为注意力层的输入：

其中，X_att∈R^4d×1为下一行为与当前特征X_λ之间的关联信息；⊙为逐元素相乘；

计算所述下一行为与所述当前行为的注意力分数：

H_λ＝ReLU(W_attX_att+b_att)；

α_λ＝Tanh(W_oH_λ+b_o)；

其中，H_λ∈R^d×1，W_att∈R^d×4d，b_att∈R^d×1，α_λ∈R，W_o∈R^1×d和b_o∈R为所述行为注意层中的待学习参数；α_λ为具有行为的物品的注意力分数；

将所述注意力分数作为所述异构行为信息加入所述感知推荐模型的输入层中。

6.根据权利要求5所述的行为感知推荐方法，其特征在于，所述将注意力分数作为所述异构行为信息加入所述感知推荐模型的输入层中，之后包括：

将计算得到的注意力分数作为修正因子；

通过所述修正因子更改所述表征模块中每个输入物品的权重值：

7.根据权利要求5所述的行为感知推荐方法，其特征在于，所述在感知推荐模型的输出侧引入目标行为，并根据所述目标行为对所述感知推荐模型进行训练，包括：

获取所述目标行为并将所述目标行为作为所述感知推荐模型的先验信息；

将所述目标行为与所述表征模块输出的序列h_t-1进行特征交叉，得到对应的输出：

其中，W_z∈R^d×2d，b_z∈R^d×1，f_t∈R^3d×1。