1.一种基于自适应注意力的序列推荐方法,其特征在于,包括:获得用户历史交互项目序列和待推荐项目序列;
在预先训练获得的自适应注意力感知GRU网络的输入层,根据所述历史交互项目序列和所述待推荐项目序列,确定输入自适应注意力;
将所述输入自适应注意力与所述历史交互项目序列进行元素相乘操作,获得输入序列;
基于所述历史交互项目序列和所述输入序列的结合,获得输入层输出结果;
在所述自适应注意力感知GRU网络的隐藏状态层,根据所述输入层输出结果和所述待推荐项目序列,确定隐藏自适应注意力;
将所述隐藏自适应注意力与所述输入层输出结果进行元素相乘操作,获得隐藏状态序列;
基于所述输入层输出结果和所述隐藏状态序列的结合,获得隐藏状态层输出结果;
在所述自适应注意力感知GRU网络的输出层,根据所述隐藏状态层输出结果,确定推荐给所述用户的项目。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史交互项目序列和所述待推荐项目序列,确定输入自适应注意力,包括:分别将所述历史交互项目序列和所述待推荐项目序列嵌入到低维空间,获得历史项目嵌入结果和待推荐项目嵌入结果;
根据所述历史项目嵌入结果和所述待推荐项目嵌入结果,确定输入自适应注意力。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史项目嵌入结果和所述待推荐项目嵌入结果,确定输入自适应注意力,包括:利用softmax函数计算所述历史项目嵌入结果中每一项和所述待推荐项目嵌入结果中每一项之间的相关性,获得输入自适应注意力。
4.一种基于自适应注意力的序列推荐装置,其特征在于,包括:序列获得模块,用于获得用户历史交互项目序列和待推荐项目序列;
输入自适应注意力确定模块,用于在预先训练获得的自适应注意力感知GRU网络的输入层,根据所述历史交互项目序列和所述待推荐项目序列,确定输入自适应注意力;
输入序列获得模块,用于将所述输入自适应注意力与所述历史交互项目序列进行元素相乘操作,获得输入序列;
输入层输出结果获得模块,用于基于所述历史交互项目序列和所述输入序列的结合,获得输入层输出结果;
隐藏自适应注意力确定模块,用于在所述自适应注意力感知GRU网络的隐藏状态层,根据所述输入层输出结果和所述待推荐项目序列,确定隐藏自适应注意力;
隐藏状态序列获得模块,用于将所述隐藏自适应注意力与所述输入层输出结果进行元素相乘操作,获得隐藏状态序列;
隐藏状态层输出结果获得模块,用于基于所述输入层输出结果和所述隐藏状态序列的结合,获得隐藏状态层输出结果;
项目推荐模块,用于在所述自适应注意力感知GRU网络的输出层根据所述隐藏状态层输出结果,确定推荐给所述用户的项目。
5.根据权利要求4所述的装置,其特征在于,所述输入自适应注意力确定模块,具体用于:分别将所述历史交互项目序列和所述待推荐项目序列嵌入到低维空间,获得历史项目嵌入结果和待推荐项目嵌入结果;
根据所述历史项目嵌入结果和所述待推荐项目嵌入结果,确定输入自适应注意力。
6.根据权利要求5所述的装置,其特征在于,所述输入自适应注意力确定模块,具体用于:利用softmax函数计算所述历史项目嵌入结果中每一项和所述待推荐项目嵌入结果中每一项之间的相关性,获得输入自适应注意力。