[发明专利]一种门控单元增强胶囊网络的推荐方法

说明书

近年，序列化推荐已成为各种在线服务中不可或缺的组成部分，一些研究者专注于从用户最近的交互序列中分析复杂的物品过渡关系，试图根据用户的序列化交互行为预测下一个感兴趣的交互对象。为了提高序列化推荐的准确性，本发明进一步将用户高阶交互序列蕴含的复杂关系区分为物品级和因子级，公开了一个由物品级路由组件和因子级路由组件构成的双通道动态路由模块，其在捕获交互对象相对顺序的同时，从交互对象的共现关系以及物品的潜在特征两个不同角度刻画用户真实兴趣。结合实际推荐场景，用户彼此之间存在互不相同的个性化兴趣偏好，本发明将用户的个性化信息充分融合到物品的特征表达中，来体现用户的个性化需求对下一次决策行为的影响。

技术空间

本发明涉及数据挖掘领域，尤其是门控单元增强胶囊网络模型在推荐系统数据上的用户兴趣建模方法。

背景技术

在信息过载的时代，推荐系统已经成为在线服务不可或缺的一部分。通过挖掘用户海量的行为信息，其能够探索多样化需求，为用户提供个性化服务。在各大在线服务平台上，用户的交互行为是按时间顺序排列的，交互记录的顺序信息实时反映了用户的兴趣。因此，根据用户过去的行为分析复杂的过渡关系对于提高推荐准确性至关重要。

近年来随着胶囊网络技术在学术界和工业界取得巨大成功，一些研究者将该技术融入推荐系统研究中，以此实现更细致的描述用户短期兴趣。从直接应用传统的胶囊网络刻画用户高阶交互序列，到利用动态路由算法建模用户多兴趣点，虽然准确程度有一定提升，但是，发明人发现，有两个关键问题在以往的研究中没有得到充分的研究：

(1)它们直接将用户的高阶交互序列视为单通道的链状结构，并未考虑物品级和因子级在用户兴趣方面具有不同影响，同时没有将用户的个性化兴趣特征充分融入交互对象的特征表达中。

(2)它们通常直接应用基础的胶囊网络解决具体的推荐任务，并未针对任务实际需求做出具体优化，这使得胶囊网络并无法最大程度发挥自身优势，尤其在计算效率方面并不理想。

发明内容

针对上述问题，本发明公开一种门控单元增强胶囊网络的推荐方法，包括4个模块：数据输入模块、门控单元融合模块、双通道动态路由模块和评分预测模块。首先，为所有的用户和物品映射对应特征向量，将用户高阶交互序列对应的特征矩阵以及用户特征向量分别输入；其次，为了学习用户个性化特征对用户兴趣的影响，在门控单元融合模块将用户的个性化信息通过门控机制有效融入交互对象的特征表达中，同时，该模块能够有效改进传统胶囊网络模型的卷积层结构，在模型参数量、训练时间效率以及综合性能均能够取得明显优化效果；然后，在双通道动态路由模块结合胶囊网络的优点，利用物品级和因子级两种路由方式来捕获用户个性化的兴趣特征。这样，用户的短期兴趣特征不仅包含了不同交互对象之间的共现关系，也进一步捕获了高阶交互对象处在同一维度潜在特征含义；最后，将用户的长期特征表达和多类型的短期兴趣特征表达进行融合，再与输出的物品特征向量进行内积操作得到预测评分。

与现有技术相比，本发明的有效效果是：

(1)本发明提出了一种门控单元增强胶囊网络的推荐方法，针对用户短期兴趣在高阶交互序列的物品级和因子级具有不同表现这一特点，该发明为每个用户均进行两个角度的短期兴趣建模；结合胶囊网络的优点，充分发挥其空间感知能力捕获最近交互对象的相对次序，也进一步捕获多个交互对象之间的共现关系。

(2)针对用户个性化偏好对下一次决策行为具有重要影响这一特点，本发明设计门控单元融合模块改进传统胶囊网络模型，在将用户个性化信息充分融入高阶交互对象特征表达中的基础上，有效减少了胶囊网络模型参数，显著提高了胶囊网络综合性能和运算效率。

附图说明

为了更清楚的说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图简单地介绍。

图1是本发明针对的物品级和因子级过渡关系示意图；

图2是本发明的模型结构示意图；