[发明专利]基于用户偏好的对话式推荐方法及系统在审
| 申请号: | 202210562367.7 | 申请日: | 2022-05-23 |
| 公开(公告)号: | CN114840763A | 公开(公告)日: | 2022-08-02 |
| 发明(设计)人: | 任昭春;田智;任鹏杰;陈竹敏;辛鑫;马军 | 申请(专利权)人: | 山东大学 |
| 主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/332;G06F16/36;G06F40/30;G06N3/04;G06N3/08;G06Q30/06 |
| 代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 黄海丽 |
| 地址: | 266237 *** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 用户 偏好 对话 推荐 方法 系统 | ||
1.基于用户偏好的对话式推荐方法,其特征是,包括:
获取待对话推荐的用户编号、用户对话上下文和对话主题线;
将获取的数据输入到训练以及测试后的对话式推荐模型中,输出对话式推荐结果;
其中,对话式推荐模型的工作原理是:首先,对获取的数据进行嵌入表示;然后,对嵌入表示结果,进行用户的长期偏好跟踪和用户的短期偏好跟踪;然后,基于用户的长期和短期偏好跟踪结果,输出推荐结果;最后,将推荐结果转换成自然语言回复给待对话推荐的用户。
2.如权利要求1所述的基于用户偏好的对话式推荐方法,其特征是,所述对话式推荐模型,在训练阶段,包括:并列的第一编码器、第二编码器和第三编码器;
所述第一编码器的输出端分别与第一解码器的输入端和第二解码器的输入端连接;第二编码器的输出端与分别与第三解码器的输入端和第四解码器的输入端连接;第三编码器的输出端分别与第三解码器的输入端和第四解码器的输入端连接;
第二解码器的输出端与第四编码器的输入端连接;第四解码器的输入端与第五编码器的输入端连接;第四编码器的输出端、第五编码器的输出端、第二编码器的输出端、第三编码器的输出端和R-GCN网络的输出端均与第五解码器的输入端连接;
第五解码器的输出端与第六编码器的输入端连接;第六编码器的输出端与第六解码器的输入端连接;所述第六解码器的输入端还分别与第一编码器的输出端、第二编码器的输出端和第三编码器的输出端连接;第六编码器的输出端与第四解码器的输入端连接。
3.如权利要求2所述的基于用户偏好的对话式推荐方法,其特征是,所述第一编码器,用于输入用户编号ID,并对用户编号ID进行嵌入表示,得到用户编号ID的表示;
所述第二编码器,用于输入对话上下文,并对对话上下文进行嵌入表示,得到对话上下文的表示;
所述第三编码器,用于输入对话的主题线,并对对话的主题线进行嵌入表示,得到对话主题线的表示。
4.如权利要求2所述的基于用户偏好的对话式推荐方法,其特征是,所述第一解码器,作为先验长期偏好追踪器;用于输入用户编号ID的表示,并输出用户的先验长期偏好;所述第一解码器采用变分贝叶斯算法计算用户长期偏好的概率分布;
所述第二解码器,作为后验长期偏好追踪器;用于输入用户编号ID的表示、对话上下文的表示和对话主题线的表示,并输出用户的后验长期偏好;所述第二解码器采用变分贝叶斯算法计算用户长期偏好的概率分布;
所述第三解码器,作为先验短期偏好追踪器;用于输入对话上下文的表示、对话主题线的表示和前一轮的用户短期偏好表示,并输出用户的先验短期偏好;所述第三解码器采用变分贝叶斯算法计算用户短期偏好的概率分布;
所述第四解码器,作为后验短期偏好追踪器;用于输入动作的表示作为输入,并输出用户后验短期偏好;所述第四解码器采用变分贝叶斯算法计算用户短期偏好的概率分布。
5.如权利要求2所述的基于用户偏好的对话式推荐方法,其特征是,所述第四编码器,用于将用户的后验长期偏好的采样后的结果作为输入值,输出用户后验长期偏好表示;
所述第五编码器,用于将后语的后验短期偏好的采样后的结果作为输入值,输出用户后验短期偏好表示;
所述R-GCN网络,用于将从知识图谱中提取的子图作为输入值;所述知识图谱包括实体-关系-实体三元组;根据主题线,在知识图谱上找到与主题线中的主题相邻两跳的节点作为子图,使用R-GCN网络对子图中的每一个节点进行编码表示,将子图中所有的编码表示结果进行汇总,得到子图表示;
所述第五解码器,用于将用户后验长期偏好表示、用户后验短期偏好表示、对话上下文的表示、对话主题线的表示和子图表示的拼接结果作为输入值,输出推荐结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210562367.7/1.html,转载请声明来源钻瓜专利网。





