CN114896515B 基于时间间隔的自监督学习协同序列推 荐方法、设备和介质 （哈尔滨工程大学）_第1页
CN114896515B 基于时间间隔的自监督学习协同序列推 荐方法、设备和介质 （哈尔滨工程大学）_第2页
CN114896515B 基于时间间隔的自监督学习协同序列推 荐方法、设备和介质 （哈尔滨工程大学）_第3页
CN114896515B 基于时间间隔的自监督学习协同序列推 荐方法、设备和介质 （哈尔滨工程大学）_第4页
CN114896515B 基于时间间隔的自监督学习协同序列推 荐方法、设备和介质 （哈尔滨工程大学）_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

基于时间间隔的自监督学习协同序列推荐本发明提出基于时间间隔的自监督学习协2步骤4：将待推荐用户交互序列输入到步骤3中训练后的步骤2.1:获得用户个人信息嵌入表示和用nui是用户u和U项目i的多个表示；将不同层获得的表征强调不同连接传递的信息连接起来构成每个用户3步骤2.3:将学习得到的用户表示作为门控循环单元的输入，输入到门控循环单元当步骤2.4:将用户表示与序列中的项目之间进行注意按照改变后的注意力权重重新完成对于项目的聚集，生成更佳的具有序列信息的用户表步骤2.6:通过自监督技术，完成具有序列信息与协同信息用户表示的聚合；采用步骤2.7:将步骤2.6中优化得到的用户表示与门控循环单元生成的原始用户表示进行的用户表示euadj和通过门控循环单元获得的用户4u为最终用户表示。步骤3.2:将用户的最终向量表示输入到预测模块当中，得到用户对于项目的预测得所述处理器执行所述计算机程序时实现权利要求1-3任一项所述方理器执行时实现权利要求1-3任一项所述方法5[0003]推荐系统的核心在于利用用户的属性、历史交互序列等利用机器学习的方法从关于内容特征描述中得到用户所需要的是第一个将循环神经网络(RNN)应用于基于会话的推荐的模型。Caser将卷积神经网络6[0019]步骤2.5:通过注意力权重改变机制，改变用户对于每一个项目的注意力权重的[0021]步骤2.7:将步骤2.6中优化得到的用户表示与门控循环单元生成的原始用户表示所述处理器执行所述计算机程序时实现所述基于时间间隔的自监督学习协同序列推荐方7处理器执行时实现所述基于时间间隔的自监督学习协同序列推荐方的动态调整，以使推荐过程不再如传统的方法中距离用户交互时间越近的所占的比重越nn)],这里的si属于项8U和e(0)i分别被初始化为euU和eiI。用户(或项目)能够接收从其l跳邻居传播的消户u和项目i的多个表示。图卷积网络由于在不同层获得的表征强调不同连接传递的信息，它们可以反映用户(或物品)的不同特征。因此，将它们连接起来构成每个用户(或每个项9[0064]步骤2.5:通过注意力权重改变机制，改变用户对于每一个项目的注意力权重的[0070]2:自监督学习。对比了两种类型的用户嵌入，并采用InforNCE在来自真实样本d[0073]步骤2.7:将步骤2.6中优化得到的用户表示与门控循环单元生成的原始用户表示[0076]步骤3：对步骤2中具有自监督学习的时间间隔感知协同[0078]步骤3.2：将用户的最终候选项目z的向量表示ez进行内积运算，并通过softmax函数运算得到用户a相对于候选项[0087]步骤4:将待推荐的用户的个人信息和交互序列输入到步骤3经过训练更新优化之后的具有自监督的时间间隔感知序列推荐模型当中，计算待推荐项目对于该用户的得分，[0088]通过计算用户的嵌入eu和每个候选项目的嵌入eo之间的相似度得分来生所述处理器执行所述计算机程序时实现所述基于时间间隔的自监督学习协同序列推荐方处理器执行时实现所述基于时

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