[发明专利]基于双层注意力模型的个性化节目推荐方法、系统

权利要求书

1.一种基于双层注意力模型的个性化节目推荐方法，其特征在于，包括：

通过预设的加入了双层注意力机制的协同过滤模型基于预获取的邻域向量、各个项目的隐式向量进行成对学习以优化目标函数，并将最后一次优化的目标函数作为最终目标函数；

基于所述最终目标函数获取估计分数，并对各个项目对应的估计分数进行排序以按照所排序的顺序对各个项目进行节目推荐；其中，

通过预设的加入了双层注意力机制的协同过滤模型基于预获取的邻域向量、各个项目的隐式向量进行成对学习以优化目标函数的步骤，包括：

针对预采集的广度数据集提取文本特征和图像特征，并将所述文本特征、所述图像特征和预获取的其他特征输入至预设的嵌入层中以获取组件级特征；

将所述组件级特征和预获取的用户隐式向量输入至所述双层注意力机制中的组件级注意力模块中以根据所述组件级特征和所述用户隐式向量构建内容特征；

将所述内容特征、所述用户隐式向量，以及预获取的辅助项目隐式向量输入至所述双层注意力机制中的项目级注意力模块中，以使所述项目级注意力模块基于所述内容特征、所述用户隐式向量和所述辅助项目隐式向量获取邻域向量；

基于所述邻域向量和预获取的各个隐式向量进行成对学习以优化预构建的关于所述协同过滤模型的目标函数，直至预设的优化参数收敛则结束优化；其中，

基于所述邻域向量和预获取的各个隐式向量进行成对学习以优化预构建的关于所述协同过滤模型的目标函数，直至预设的优化参数收敛则结束优化的步骤，包括：基于所述邻域向量和所述用户隐式向量/将用户i表示为用户表示向量：

+/；其中，/表示所述辅助项目隐式向量；/表示所述项目级注意力权重；/表示第i个与用户交互的项目的集合；

基于所述用户表示向量+/对所述目标函数进行变形处理以获取变型后的目标函数：/其中，U表示所述用户隐式向量、V表示与各个项目对应的项目隐式向量；P表示所述辅助项目隐式向量；

为优化参数；

表示预获取的用于训练所述协同过滤模型的训练数据集：

，I表示在训练所述协同过滤模型时所采用的训练数据集中所有训练项目的集合；其中，/表示第i个用户交互的项目集合；

代表用户i更喜欢项目j超过k；

表示项目j的隐式向量；/表示项目k的隐式向量；

代表优化过程中所应用的预设的sigmoid函数；/

采用预设的优化器利用一阶优化算法对所述变型后的目标函数进行反复优化以更新所述用户隐式向量U、所述与各个项目对应的项目隐式向量V、所述辅助项目隐式向量P和所述优化参数，直至所述优化参数/收敛，则停止优化，将最后一次优化的目标函数作为最终目标函数，并获取所述最终目标函数中的用户隐式向量U、与各个项目对应的项目隐式向量V、辅助项目隐式向量P和优化参数/

2.如权利要求1所述的基于双层注意力模型的个性化节目推荐方法，其特征在于，针对预采集的广度数据集提取文本特征和图像特征的步骤，包括：

对预采集的广度数据集进行数据清洗以获取有效数据集；

对所述有效数据集进行数据划分以获取带有图像的图像数据集和带有文本的文本数据集；

对所述图像数据集进行CNN网络提取以获取图像特征；通过词嵌入技术对所述文本数据集进行文本信息编码处理，通过RNN网络对所述文本数据集进行完善编码信息学习处理，通过TF-IDF技术对所述文本数据集进行关键词挖掘处理以获取文本特征。