基于局部和全局信息融合的群组推荐方法、系统及设备
文献发布时间:2023-06-19 11:19:16
技术领域
本发明属于深度学习领域,具体涉及了一种基于局部和全局信息融合的群组推荐方法、系统及设备。
背景技术
近年来,随着社交网络的发展,群组活动变得越来越受欢迎。
群组推荐系统也已应用于各种领域,例如电子商务,娱乐,社交媒体,旅游业等。
与传统的个性化推荐不同,群组推荐的目的是为寻找目标群组很可能感兴趣的项。
随着群组活动需求的不断变化和对活动的要求不断的提升,群组推荐系统也迫切需要快速地发展。
现有的基于深度学习的群体推荐方法主要存在以下两个问题:
(1)群组活动中存在多种交互信息:用户-群组、用户- 项目、群组-项目交互,但是现有的方法大多集中在从单一的交互(群组-项目)中学习群组的表示,导致模型并不能够充分的利用这些交互信息。
(2)目前尚没有相关的群组推荐模型利用群组之外的全局信息,导致模型的推荐效果并不理想。
发明内容
为了解决现有技术中的上述问题,即现有的群组推荐方法仅从群体和用户之间的单一的交互中学习群组的表示,无法考虑全面信息的群组推荐的问题,本发明提供了一种基于局部和全局信息融合的群组推荐方法,所述方法包括:
步骤S100,基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图、群组-项目交互视图;
步骤S200,基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图,通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示
步骤S300,基于项目固有的语义特征信息v
步骤S400,基于群组固有的语义特征信息
步骤S500,基于所述群组-项目交互视图,通过单类型聚合注意力模块,聚合目标群组g
步骤S600,通过所述群组固有的语义特征信息
步骤S700,基于所述项目的最终表示
步骤S800,基于所述目标群组g
在一些优选的实施方式中,所述单类型聚合注意力模块中的权重计算公式为:
其中,q
在一些优选的实施方式中,步骤S200包括:
步骤S200A,基于所述用户-项目交互视图,通过单类型聚合注意力模块获取含有用户语义特征信息的项目表示
其中,u
步骤S200B,基于所述群组-用户交互视图,通过单类型聚合注意力模块获取含有用户语义特征信息的群组表示
其中,u
步骤S200C,基于所述群组-项目交互视图,通过单类型聚合注意力模块获取含有项目语义特征信息的群组表示
其中,v
在一些优选的实施方式中,所述多类型融合注意力模块中的权重计算公式为:
其中,W
在一些优选的实施方式中,所述项目的最终表示
其中,权重系数β
所述群组的局部特征表示
其中,权重系数
在一些优选的实施方式中,所述步骤S500,其具体步骤包括:
基于所述群组-项目交互视图,计算任一群组g
其中,g
在一些优选的实施方式中,所述群组的最终表示
其中,权重系数β
在一些优选的实施方式中,所述步骤S700,其具体步骤包括:
步骤S710,基于所述所述项目的最终表示
其中,⊙表示两个向量的元素级别乘积操作,concat表示特征的拼接操作;
步骤S720,基于所述组合特征h
其中,W
步骤S730,基于所述第e个隐藏层的输出he,通过全连接层获得目标群组g
r
w
本发明的另一方面,提出了一种基于局部和全局信息融合的群组推荐系统,所述系统包括:历史视图获取单元、项目表示及群组表示获取单元、项目的最终表示获取单元、群组的局部特征表示获取单元、群组的全局特征表示获取单元、局部全局信息融合单元、偏好值计算单元和推荐排序单元;
所述历史视图获取单元,配置为基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图、群组-项目交互视图;
所述项目表示及群组表示获取单元,配置为基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图,通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示
所述项目的最终表示获取单元,配置为基于项目固有的语义特征信息v
所述群组的局部特征表示获取单元,配置为基于群组固有的语义特征信息
所述群组的全局特征表示获取单元,配置为基于所述群组-项目交互视图,通过单类型聚合注意力模块,聚合目标群组g
所述局部全局信息融合单元,配置为通过所述群组固有的语义特征信息
所述偏好值计算单元,配置为基于所述项目的最终表示
所述推荐排序单元,配置为基于所述目标。群组g
本发明的第三方面,提出了一种电子设备,其特征在于,包括:至少一个处理器;以及与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于局部和全局信息融合的群组推荐方法。
本发明的有益效果:
(1)本发明基于局部和全局信息融合的群组推荐方法,通过深度学习和注意力机制实现了组内的全局表示,通过融合了全局和局部信息,实现群组对项目的偏好得分,提高了群组推荐的准确度。
(2)本发明实现了利用群组的全局信息增强群组的表示的群组推荐;
(3)本发明利用了组内的三种交互关系,从而在一定程度上缓解了由于数据稀疏性所导致的群组或者项目表示不充分的问题;
(4)本发明提出了两种注意力机制的方式,包括单类型聚合注意力方法、多类型融合注意力方法;
(5)本发明基于注意力机制,提出了一种基于全局和局部信息融合的群组推荐方法,可以有效的提升群组推荐的效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明基于局部和全局信息融合的群组推荐方法实施例的流程示意图;
图2是本发明实施例的原理示意图;
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提供一种基于局部和全局信息融合的群组推荐方法,本方法通过深度学习和注意力机制实现了组内的全局表示,通过融合了全局和局部信息,实现群组对项目的偏好得分,提高了群组推荐的准确度。
本发明的一种基于局部和全局信息融合的群组推荐方法,包括:
步骤S100,基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图和群组-项目交互视图;
步骤S200,基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图,通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示
步骤S300,基于项目固有的语义特征信息v
步骤S400,基于群组固有的语义特征信息
步骤S500,基于所述群组-项目交互视图,通过单类型聚合注意力模块,聚合目标群组g
步骤S600,通过所述群组固有的语义特征信息
步骤S700,基于所述项目的最终表示
步骤S800,基于所述目标群组g
为了更清晰地对本发明基于局部和全局信息融合的群组推荐方法进行说明,下面结合图1和图2对本发明实施例中各步骤展开详述。
本发明第一实施例的基于局部和全局信息融合的群组推荐方法,包括步骤S100-步骤S800,各步骤详细描述如下:
步骤S100,基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图、群组-项目交互视图;
在本实施例中,将所述用户-项目交互视图、群组-用户交互视图、群组-项目交互视图进行切片处理,产生预设比例的训练数据和测试数据,将历史交互数据构成训练所需的正样本,将没有和群组或用户交互过的项目作为负样本。
所述三种交互信息可以充分的反映出群组,项目和用户三者之间的关系,例如项目-用户交互,用户所选的项目可以在一定程度上反映出该用户的偏好,而该用户的偏好,又一定程度上可以反映出该项目的某些特征。上述所述的三种交互对象,可以在一定程度上互相表示,即可以用多种语义信息表示项目和群组。所述的群组-用户交互、群组-项目交互视为群组的局部交互信息,而群组的全局信息是和目标群组相似的群组集合,这些相似的群组,在一定程度上表现是相似的偏好,可以用相似群组的语义特征信息表示目标群组,视为群组的全局信息。在群组的局部信息和全局信息基础之上,通过注意力机制,获取局部信息和全局的信息的权重值,再将全局信息和局部信息加权相加,得到群组的最终表示。在获取的项目和群组的最终表示的基础上,通过池化层,获取项目和群组的组合特征,再经过多个隐藏层,学习两者的非线性关系和更高阶的交互关系得到最终的交互特征向量。最后再通过一个全连接层,将所述交互特征向量转化为目标群组对目标项目的偏好得分。
步骤S200,基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图,通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示
单类型聚合注意力模块,从多个单一语义特征信息中,学习出每个相同语义信息特征所占的权重;
在本实施例中,所述单类型聚合注意力模块中的权重计算公式如公式(1)所示:
其中,q
在本实施例中,步骤S200包括:
步骤S200A,基于所述用户-项目交互视图,通过单类型聚合注意力模块获取含有用户语义特征信息的项目表示
其中,u
步骤S200B,基于所述群组-用户交互视图,通过单类型聚合注意力模块获取含有用户语义特征信息的群组表示
其中,u
步骤S200C,基于所述群组-项目交互视图,通过单类型聚合注意力模块获取含有项目语义特征信息的群组表示
其中,v
步骤S300,基于项目固有的语义特征信息v
多类型融合注意力模块,从多个不同语义特征信息中,学习出每个不同语义信息特征所占的比重;
在本实施例中,所述多类型融合注意力模块中的权重计算公式如公式(5)所示:
其中,W
在本实施例中,所述项目的最终表示
其中,权重系数β
步骤S400,基于群组固有的语义特征信息
所述群组的局部特征表示
其中,权重系数
步骤S500,基于所述群组-项目交互视图,通过单类型聚合注意力模块,聚合目标群组g
在本实施例中,基于所述群组-项目交互视图,计算任一群组g
其中,g
步骤S600,通过所述群组固有的语义特征信息
在本实施例中,所述群组的最终表示
其中,权重系数β
步骤S700,基于所述项目的最终表示
在本实施例中,所述步骤S700,其具体步骤包括:
步骤S710,基于所述所述项目的最终表示
其中,⊙表示两个向量的元素级别乘积操作,concat表示特征的拼接操作;
步骤S720,基于所述组合特征h
其中,W
步骤S730,基于所述第e个隐藏层的输出he,通过全连接层获得目标群组g
r
w
本发明第二实施例的基于局部和全局信息融合的群组推荐系统,包括历史视图获取单元、项目表示及群组表示获取单元、项目的最终表示获取单元、群组的局部特征表示获取单元、群组的全局特征表示获取单元、局部全局信息融合单元、偏好值计算单元和推荐排序单元;
所述历史视图获取单元,配置为基于群组、用户和项目的历史交互记录获取用户-项目交互视图、群组-用户交互视图、群组-项目交互视图;
所述项目表示及群组表示获取单元,配置为基于所述用户-项目交互视图、群组-用户交互视图和群组-项目交互视图,通过单类型聚合注意力模块分别获取含有用户语义特征信息的项目表示
所述项目的最终表示获取单元,配置为基于项目固有的语义特征信息v
所述群组的局部特征表示获取单元,配置为基于群组固有的语义特征信息
所述群组的全局特征表示获取单元,配置为基于所述群组-项目交互视图,通过单类型聚合注意力模块,聚合目标群组g
所述局部全局信息融合单元,配置为通过所述群组固有的语义特征信息
所述偏好值计算单元,配置为基于所述项目的最终表示
所述推荐排序单元,配置为基于所述目标。群组g
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于局部和全局信息融合的群组推荐系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种电子设备,其特征在于,包括:至少一个处理器;以及与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于局部和全局信息融合的群组推荐方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
- 基于局部和全局信息融合的群组推荐方法、系统及设备
- 基于局部与全局特征信息融合的GIS热故障诊断方法