[发明专利]基于神经网络集合操作的用户偏好推荐方法和装置

权利要求书

1.一种基于神经网络集合操作的用户偏好推荐方法，其特征在于，包括以下步骤：

从用户历史交互信息中提取所有正反馈交互项和负反馈交互项，并将所有正反馈交互项和负反馈交互项按照交互时间顺序排列分别构建正反馈交互序列和负反馈交互序列；获取用户全局偏好信息；

将正反馈交互序列和负反馈交互序列分别编码成正反馈交互向量序列和负反馈交互向量序列，将用户全局偏好信息编码成用户全局偏好向量；

利用包含集合操作和多层感知器的神经网络集合操作模型进行综合偏好表示学习，包括：对从正反馈交互向量序列抽取的时间最近的多个正反馈交互向量进行并集操作后，再与从负反馈交互向量序列中抽取的时间最近的多个负反馈交互向量进行差集操作以得到正反馈偏好表示；对从负反馈交互向量序列中抽取的时间最近的多个负反馈交互向量进行并集操作后，再与从正反馈交互向量序列抽取的时间最近的多个正反馈交互向量进行差集操作以得到负反馈偏好表示；将正反馈偏好表示、负反馈偏好表示以及用户全局偏好向量进行串联后，再利用多层感知器对串联结果进行映射计算，以得到用户综合偏好表示；

计算用户综合偏好表示分别与多个候选交互项对应向量的相似度，以相似度作为推荐得分，按照推荐得分对候选交互项进行排序，依据排序结果进行用户偏好推荐。

2.根据权利要求1所述的基于神经网络集合操作的用户偏好推荐方法，其特征在于，所述从正反馈交互向量序列抽取的时间最近的多个正反馈交互向量进行并集操作后，再与从负反馈交互向量序列中抽取的时间最近的多个负反馈交互向量进行差集操作以得到正反馈偏好表示，包括：

首先，从正反馈交互向量序列抽取的时间最近的k个正反馈交互向量，对这k个正反馈交互向量依次进行并集操作，以得到k个正反馈交互向量的联合嵌入向量，表示为：

（1）

其中，表示并集操作，表示第j个正反馈交互向量，表示第i个用户对应的正反馈交互向量序列；

公式（1）理解为：对第j个正反馈交互向量与第j+1个正反馈交互向量进行并集操作得到并集操作结果，该并集操作结果与第j+2个正反馈交互向量进行并集操作，得到并集操作结果，依此类推，直到k个正反馈交互向量均并集操作结束，得到k个正反馈交互向量的联合嵌入向量；

然后，从负反馈交互向量序列抽取的时间最近的k个负反馈交互向量，将联合嵌入向量与k个负反馈交互向量依次进行差集操作，以得到正反馈偏好表示，表示为：

（2）

其中，表示差集操作，表示第个负反馈交互向量，表示第i个用户对应的负反馈交互向量序列；

公式（2）理解为：对联合嵌入向量与第个负反馈交互向量进行差集操作得到差集操作结果，该差集操作结果与第个负反馈交互向量进行差集操作得到差集操作结果，依此类推，直到k个负反馈交互向量均差集操作结束，得到正反馈偏好表示。