[发明专利]一种物品推荐方法、系统、电子设备及存储介质在审
申请号: | 202211697621.0 | 申请日: | 2022-12-28 |
公开(公告)号: | CN115858945A | 公开(公告)日: | 2023-03-28 |
发明(设计)人: | 胡忠义;张硕果;程子惠;吴江 | 申请(专利权)人: | 武汉大学 |
主分类号: | G06F16/9536 | 分类号: | G06F16/9536;G06F16/9535;G06F16/33;G06N3/0464;G06N3/0499;G06N3/08 |
代理公司: | 武汉华之喻知识产权代理有限公司 42267 | 代理人: | 邓彦彦;廖盈春 |
地址: | 430070*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 物品 推荐 方法 系统 电子设备 存储 介质 | ||
1.一种物品推荐方法,其特征在于,包括如下步骤:
从平台业务数据集中获取用户对物品的评论数据集,提取所述评论数据集中出现频数最高的名词作为用户对物品评论的细粒度情感特征关键词;使用BERT模型、注意力层以及多层感知机层对所述细粒度情感特征关键词进行提取,得到评论的细粒度情感特征;以及使用BERT模型对评论数据集的全句词向量进行嵌入,获取评论的全句内容特征;
从平台业务数据集中获取用户的社交数据和用户与物品交互的历史数据,根据用户对物品评论的关系构建用户的评论空间,评论空间包括:所述评论的全句内容特征、评论的细粒度情感特征以及评论的时序特征;根据用户与物品的交互关系构建用户的物品空间,物品空间包括:用户对物品的评分数据、评论的细粒度情感特征、与用户交互的所有物品信息及交互发生的时序信息;根据用户的社交数据构建社交关系空间,社交关系空间包括:用户的好友信息和建立好友关系的时序信息;根据用户与物品的交互关系和用户的社交数据构建高阶空间,高阶空间包括:所有用户和物品的交互信息和所有用户的好友信息;从评论空间、物品空间、社交关系空间以及高阶空间对用户的初步特征提取,使用多门控机制将各个空间提取的用户初步特征和用户节点特征向量融合得到用户嵌入特征向量;
从平台业务数据集中获取物品与用户交互的历史数据,根据物品与用户对物品评论的关系构建评论空间,所述评论空间包括:评论的全句内容特征、评论的细粒度情感特征以及评论的时序数据;根据用户与物品的交互关系构建用户空间,所述用户空间包括:用户对物品的评分数据、评论的细粒度情感特征、物品被交互的所有用户信息以及交互发生的时序信息;根据物品的属性关系构建物品相似度空间,物品相似度空间:所有物品的属性信息;根据用户物品的交互关系以及物品的相似度信息构建高阶空间,高阶空间包括:所有用户和物品的交互信息以及所有物品的属性信息;从评论空间、用户空间、物品相似度空间以及高阶空间对物品的初步特征提取;物品的相似度空间特征提取需要融合邻居物品向量;使用多门控机制将各个空间提取的物品初步特征和物品节点特征向量融合得到物品嵌入特征向量;
将用户嵌入特征向量与物品嵌入特征向量拼接后输入多层感知机网络训练,预测得到用户与各个物品的交互概率,以便基于所述交互概率对用户进行物品推荐。
2.根据权利要求1所述的方法,其特征在于,评论细粒度情感特征的提取过程为:
从评论数据集中提取各个用户对于各个物品的评论文本,并与所述细粒度情感特征关键词进行拼接,形成拼接后的文本数据,使用BERT模型对拼接后的文本数据进行处理,以各细粒度情感特征关键词的向量表示评论在各个细粒度层面的特征表示;
利用评论在各个细粒度层面的特征表示,通过多头注意力层考虑各层面细粒度情感对于用户决策的不同影响,形成有权的各细粒度情感特征表示;
通过多层感知机层将有权的各细粒度情感特征表示的进行特征聚合,形成各评论最终的细粒度情感特征表示。
3.根据权利要求1所述的方法,其特征在于,评论全句内容特征的提取过程为:
从评论数据集中提取各个用户对各个物品的评论文本,利用BERT模型将评论文本转化为词向量,并使用平均向量化将词向量聚合为初步评论内容表示;
利用多层感知机对所述初步评论内容表示进行特征降维,获得最终的评论全句内容特征表示。
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武汉大学,未经武汉大学许可,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/202211697621.0/1.html,转载请声明来源钻瓜专利网。