CN119537703A 基于混合注意力机制的多模态工业产品推 荐方法及系统 (齐鲁工业大学(山东省科学院))_第1页
CN119537703A 基于混合注意力机制的多模态工业产品推 荐方法及系统 (齐鲁工业大学(山东省科学院))_第2页
CN119537703A 基于混合注意力机制的多模态工业产品推 荐方法及系统 (齐鲁工业大学(山东省科学院))_第3页
CN119537703A 基于混合注意力机制的多模态工业产品推 荐方法及系统 (齐鲁工业大学(山东省科学院))_第4页
CN119537703A 基于混合注意力机制的多模态工业产品推 荐方法及系统 (齐鲁工业大学(山东省科学院))_第5页
已阅读5页,还剩30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

基于混合注意力机制的多模态工业产品推本发明提出基于混合注意力机制的多模态独热编码提取用户产品交互四元组中的用户行2基于预处理后的多模态产品数据构建多模态工业产品知识图谱,利用独热编码提取用户产品交互四元组中的用户行为序列特征;基于CLIP模型和基于用户行为序列特征采用时间敏感注意力机制,获取用户融合用户短期兴趣特征与工业产品特征,得到用户全面偏好特2.如权利要求1所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征获取预处理后的文本数据和图像数据,提取产品ID、关系和属性3.如权利要求1所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征提取用户产品交互四元组中用户ID、用户与产品的交互行为及其对应4.如权利要求1所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征在于,所述基于CLIP模型和ConvE模型,提取多模态工业产品知识图谱的实体节点特征嵌基于CLIP模型提取文本三元组的文本特征嵌入和图像三元组的采用ConvE模型提取用户产品交互四元组和产品知识图谱三元组中的用户节点、产品根据文本特征嵌入、图像特征嵌入和初始化产品实体特征嵌入得到实体节点特征嵌5.如权利要求3所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征基于时间间隔特征和用户行为序列特征构建时间敏感注意力合并初步用户特征与时间敏感注意力机制的中间向量,并进行6.如权利要求1所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征37.如权利要求1所述的一种基于混合注意力机制的多模态工业产品推荐方法,其特征其中,表示融合后的用户全面偏好特征,e;表示不同层拼数据处理层,用于获取多模态产品数据进行预处理,所述多知识图谱层,用于基于预处理后的多模态产品数据构建知识特征提取层,用于利用独热编码提取用户产品交互四元组中的用户行为序列特注意力机制层,用于基于用户行为序列特征采用时间敏感注意智能推荐及应用评估层,用于融合用户短期兴趣特征执行时实现如权利要求1_7中任一项所述的一种基于混合注意力机制的多模态工业产品推种基于混合注意力机制的多模态工业产品推4[0002]随着工业互联网和智能制造的发展,工业产品相关的数据呈现出多模态的特获取多模态产品数据进行预处理,所述多模态产品数据包括文本数据和图像数5提取用户产品交互四元组中用户ID、用户与产品的交互行为及其对应的时间戳,将初步用户特征输入线性图卷积模块和注意力机制层,得到用户的产品交互序基于CLIP模型提取文本三元组的文本特征嵌入和图像三元组的采用ConvE模型提取用户产品交互四元组和产品知识图谱三元组中的用户节点、基于时间间隔特征和用户行为序列特征构建时间敏感注意力6知识图谱层,用于基于预处理后的多模态产品数据构建多模态工业产品知识图被处理器执行时实现第一方面所述的一种基于混合注意力机制的多模态工业产品推荐方7[0021]图1为本发明实施例提供的一种基于混合注意力机制的多模态工业产品推荐方法图2为本发明实施例提供的一种基于混合注意力机制的多模态工业产品推荐方法如图1所示,本实施例公开了一种基于混合注意力机制的多模态工业产品推荐方从开放的推荐数据源中获取包含文本与图像信息的多模态工业产品推荐数据集,8[0035]为了精准把握用户对工业产品的复杂需求,深入洞察用户在不同时期的兴趣偏9[0044]在产品知识图谱三元组的特征提取过程中,采用ConvE方法对用户产品交互四元法提取实体节点特征时要先进行初始化相关实体特征cona以及初始化关系特征e,,然后[0045]其中,eou表示原始实体特征嵌入,coa表示原始实体嵌入中产品实体特征嵌积操作后的特征图通过view操作拉平为一维向量,准备输入全连接层进行进一步处理。示用户在不同时间步的时间戳,时间间隔特征表示编码时间步长t-l和时间[0052]2)使用时间间隔特征和用户行为序列特征构建时间敏感[0053]其中,是用户行为序列特征,表示用户u行为序列中时间步为t-l的产品相[0054]3)使用用户的嵌入表示与时间敏感注意力机制的中间向量进行关联并使用归一h(u,gt)表示用户u在t-g处得到的中间向量。[0060]1)首先将使用ConvE对多模态特征进行特征提取,得到节点的综合特征和关系特征e,。[0061]2)利用从多模态工业产品知识图谱和用户产品交互知识图谱中通过相关操作提cr和e,分别表示用[0065]4)利用双交互聚合函数对所有头的结构信息拼接并且对头实体及其一阶邻居信[0067]5)通过堆叠多个注意力层来捕获高阶结构信息,从远距离节点获取更多监督信和产品实体特征表示。通过将时间敏感注意力机制中的用户短期兴趣偏好特征和多头注意力机制得到果,pos_index是一个二维数组,pos_indexlu]li]表示用户u的推荐列表中第i个产品是否为正样本,pos_len[u]表示用户u的真实相关产品数量。归一化折损累计增益是一种用于衡量推荐系统或信息检索系统性能的评估指标,果,S(ieR(a))是一个指示函数,当推荐列表中的第i个产品在用户u的真实[0088]理想折损累计增益IDCG@K的计算公式为:知识图谱层,用于基于预处理后的多模态产品数据构建多模态工业产品知识图理器执行时实现如上述实施例一所述的一种基于混合注意力机制的多模态工业产品推荐基于混合注意力机制的多模态工业产品推荐方法承载用于由处理器执行的指令集并使处理

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