CN114461906B 一种聚焦于用户核心兴趣的序列推 荐方法及装置 （中国科学院信息工程研究所）_第1页
CN114461906B 一种聚焦于用户核心兴趣的序列推 荐方法及装置 （中国科学院信息工程研究所）_第2页
CN114461906B 一种聚焦于用户核心兴趣的序列推 荐方法及装置 （中国科学院信息工程研究所）_第3页
CN114461906B 一种聚焦于用户核心兴趣的序列推 荐方法及装置 （中国科学院信息工程研究所）_第4页
CN114461906B 一种聚焦于用户核心兴趣的序列推 荐方法及装置 （中国科学院信息工程研究所）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种聚焦于用户核心兴趣的序列推荐方法本发明公开了一种聚焦于用户核心兴趣的互序列以及所述交互序列中每个交互行为对应2获取用户与项目的交互序列以及所述交互序列中每个交互行为对应对所述嵌入矩阵进行自注意力计算，得到每一查询qi对于所有键的注意力值概率分布根据注意力值概率分布p与预先定义固定默认概率分布q的相似性，得到各查询qi的活K获取m个活跃查询的自注意力值V表示自注意力模型中的2.如权利要求1所述的方法，其特征在于，通过以下步骤获取所述交互序列的嵌入矩6)基于所述项目嵌入矩阵、位置嵌入矩阵与时36.如权利要求1所述的方法，其特征在于，通过以下步骤得到所述用户的项目推荐结3)根据所述偏好分数对各项目进行排序，并将分数最高的若干项目作为项目推荐结被设置为运行所述计算机程序以执行如权利要求1-6中4制已成为一种研究趋势。基于自注意机制的模型可以强调序列中真正相关和重要的交互，通过在所有项之间执行查询和键的缩放点积计算，在一定程度上实现了对重要项的强调。[0006]为了克服现有的序列推荐方法的不足,本发明提5[0028]进一步地，活跃性度量其中K代表K6[0046]图2为本发明一种实施例在不同潜在维度下推荐效果测试以及与其他模型的效果实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方[0054]S1.1：对于用户u的交互序列(S,S",…,S⃞),其中nu为项目的数量，则取序列7所有时间间隔，本发明将其除以用户序列中的最短时间间隔作为个性化时间间隔：i个查询对于所有键的注意力值，自注意力机制就是根据这个概率分布将所有值组合起来作为最终的输出。8i)是预先定义固定的默认概率分布，如果qi所对应的项目能够代表用户的核心兴趣，能存在的过拟合、梯度消失和训练速度慢的问题，分别引入了层归一化、残差连接和9[0092]其中X,E"是步骤S2.1中获取的项目i的嵌入向量。个头提取不同的活跃的查询-键对。如图4图5所示为某用户在两头的注意力机制下对候选项目的注意力分数矩阵可视化图。能够明显看出在不同头上提取了不同的活跃的查询-键

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论