物品推荐的神经网络的生成方法、物品推荐方法及其装置

本发明涉及物品推荐，尤其涉及一种物品推荐的神经网络的生成方法、物品推荐方法及其装置。

背景技术：

1、随着社会的进步和信息技术的发展，越来越多的用户使用电子商务系统进行在线购物、在线定外卖、以及在线订购电影票等等。当某个用户访问过、购买过、评价过某个项目(该项目可以为商品，外卖和电影票等)时，电子商务系统会存储这些交互数据。可以理解的是，如果电子商务系统可以对这些交互数据进行处理，然后得到该用户未来用可能访问、购买若干项目，然后将若干项目推荐给该用户，则能够极大的提高该用户购买该项目的可能性。

技术实现思路

1、有鉴于此，本发明的主要目的在于提供一种物品推荐的神经网络的生成方法、物品推荐方法及其装置。

2、为达到上述目的，本发明的技术方案是这样实现的：一种用于物品推荐的神经网络的生成方法，包括以下步骤：获取多个交互队列，每个交互队列均对应有用户，每个交互队列均包含有对应的用户交互过的若干物品，且物品对应的交互的发生事件越早，在所述交互队列中，越靠近队头；创建注意力机制的神经网络，所述神经网络包含有频率斜坡采样层、时域自注意力层和频域注意力层；基于所有交互队列，对所述神经网络进行训练。

3、作为本发明实施例的一种改进，所述频率斜坡采样层用于：获取每个交互队列中所有物品对应的编码并生成交互队列e；沿着项目维度的第p层中，其输入的时间特征为hp，其输出的时间特征为hp+1，且hp+1为第p+1层的输入，第1层自注意力模块的输入h1＝e；第p层还用于执行xp＝f(hp)，f()为一维快速傅里叶变换；其中，p为自然数，1≤p≤所述神经网络的项目维度。

4、作为本发明实施例的一种改进，所述时域自注意力层用于：对于交互队列e中所有物品对应的编码中的每个编码codei都进行线性投影，从而得到qp、kp和vp，之后，进行以下处理：其中，是采样函数，padding()是填充函数，f-1()是逆傅里叶变换函数，softmax()是激活函数，α是采样比例，d为项目维度的数量值。

5、作为本发明实施例的一种改进，所述频域注意力层用于：对交互队列e进行延迟处理并得到交互队列e′，对于交互队列e′中的每个编码code′i都进行线性投影，从而得到qp、kp和vp；之后，进行以下处理：其中，padding()是填充函数，f-1()是逆傅里叶变换函数，α是采样比例，*是复数的共轭运算，·是逐元素相乘。

6、作为本发明实施例的一种改进，所述频域注意力层还用于：生成不同序列的注意力权重计算为：其中，n为交互队列e′的长度，topk()为取最大的k个的函数，k为自然数；

7、其中，h′和h′s分别代表无监督和有监督的增量视图，γ为权重值，n为输入的交互队列e′的长度。

8、作为本发明实施例的一种改进，所述“基于所有交互队列，对所述神经网络进行训练”具体包括：基于所有交互队列，对所述神经网络进行训练，在训练时，总体目标函数为l＝lrec+入1lcreg+λ2lfreg，其中入1和入1均为超参数。

9、作为本发明实施例的一种改进，物品对应的推荐概率为softmax((mv)thl)，目标函数为其中，mv为所有交互队列中所有不同物品所构成的物品id嵌入矩阵，v为所有交互队列中所有不同物品所构成的集合，|v|为集合v中的物品的数量，为集合v中的第i物品对应的推荐概率，i为自然数，1≤i≤|v|。

10、本发明实施例还提供了一种用于物品推荐的神经网络的生成装置，包括以下模块：信息获取模块，用于获取多个交互队列，每个交互队列均对应有用户，每个交互队列均包含有对应的用户交互过的若干物品，且物品对应的交互的发生事件越早，在所述交互队列中，越靠近队头；模型创建模块，用于创建注意力机制的神经网络，所述神经网络包含有频率斜坡采样层、时域自注意力层和频域注意力层；训练模块，用于基于所有交互队列，对所述神经网络进行训练。

11、本发明实施例还提供了一种物品推荐方法，包括以下步骤：执行上述的生成方法并得到神经网络；获取与预设用户有过交互的若干物品，将所述若干物品输入到所述神经网络，从而得到推荐物品。

12、本发明实施例还提供了一种物品推荐装置，包括以下模块：预处理模块，用于执行上述的生成方法并得到神经网络；处理模块，用于获取与预设用户有过交互的若干物品，将所述若干物品输入到所述神经网络，从而得到推荐物品。

13、本发明实施例所提供的物品推荐的神经网络的生成方法、物品推荐方法及其装置具有以下优点：本发明实施例公开了一种物品推荐的神经网络的生成方法、物品推荐方法及其装置，该生成方法包括：获取多个交互队列，每个交互队列均对应有用户，每个交互队列均包含有对应的用户交互过的若干物品，且物品对应的交互的发生事件越早，在所述交互队列中，越靠近队头；创建注意力机制的神经网络，所述神经网络包含有频率斜坡采样层、时域自注意力层和频域注意力层；基于所有交互队列，对所述神经网络进行训练。从而生成了一个能够进行物品推荐的神经网络。

技术特征：

1.一种用于物品推荐的神经网络的生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的生成方法，其特征在于，所述频率斜坡采样层用于：

3.根据权利要求2所述的生成方法，其特征在于，所述时域自注意力层用于：

4.根据权利要求3所述的生成方法，其特征在于，所述频域注意力层用于：

5.根据权利要求4所述的生成方法，其特征在于，所述频域注意力层还用于：

6.根据权利要求5所述的生成方法，其特征在于，所述“基于所有交互队列，对所述神经网络进行训练”具体包括：

7.根据权利要求6所述的生成方法，其特征在于：

8.一种用于物品推荐的神经网络的生成装置，其特征在于，包括以下模块：

9.一种物品推荐方法，其特征在于，包括以下步骤：

10.一种物品推荐装置，其特征在于，包括以下模块：

技术总结
本发明公开了一种物品推荐的神经网络的生成方法、物品推荐方法及其装置，该生成方法包括：获取多个交互队列，每个交互队列均对应有用户，每个交互队列均包含有对应的用户交互过的若干物品，且物品对应的交互的发生事件越早，在所述交互队列中，越靠近队头；创建注意力机制的神经网络，所述神经网络包含有频率斜坡采样层、时域自注意力层和频域注意力层；基于所有交互队列，对所述神经网络进行训练。从而生成了一个能够进行物品推荐的神经网络。

技术研发人员：鲜学丰,方立刚,杜鑫雨,赵朋朋,张量
受保护的技术使用者：苏州市职业大学（苏州开放大学）
技术研发日：
技术公布日：2024/1/13