欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020101963172
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种物品推荐方法,其特征在于,包括:

利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息;其中,所述偏好信息包括可见偏好信息和不可见偏好信息;

利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示;

获取原用户向量表示,并将所述原用户向量表示与所述偏好信息结合,得到目标用户向量表示;

获取所述目标物品对应的原物品向量表示,并将所述原物品向量表示与所述图像向量表示结合,得到目标物品向量表示;

对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到评分计算结果;

根据所述评分计算结果向所述用户进行物品推荐。

2.根据权利要求1所述的物品推荐方法,其特征在于,利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息,包括:利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算,得到所述用户历史评论中与所述目标物品的第一相关信息;

利用所述两层自适应注意力网络对所述物品历史评论和所述原用户向量表示进行计算,得到所述物品历史评论中与所述用户的第二相关信息;

结合所述第一相关信息和所述第二相关信息得到所述用户对所述目标物品的偏好信息。

3.根据权利要求2所述的物品推荐方法,其特征在于,利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算,得到所述用户历史评论中与所述目标物品的第一相关信息,包括:分别获取所述用户历史评论的每个评论中各单词的词向量表示;

将所述原物品向量表示与各所述词向量表示转换到同一空间;

利用所述两层自适应注意力网络对所述原物品向量表示和各所述词向量表示进行计算,得到各所述词向量表示分别对应的第一权重值;

对每个评论中各所述词向量表示和对应的第一权重值进行加权计算,得到每个评论的句子向量表示;

将所述原物品向量表示与各所述句子向量表示转换到同一空间;

利用所述两层自适应注意力网络对所述原物品向量表示和各所述句子向量表示进行计算,得到各所述句子向量表示分别对应的第二权重值;

对各所述句子向量表示和对应的第二权重值进行加权计算,得到所述第一相关信息。

4.根据权利要求1至3任一项所述的物品推荐方法,其特征在于,利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示,包括:利用评论驱动的视觉注意力网络结合将预测用户评论作为弱监督信号得到的偏好信息,计算所述图像向量表示;其中,所述预测用户评论为通过包括所述两层自适应注意力网络和评论驱动的视觉注意力网络的物品推荐模型训练得到。

5.根据权利要求4所述的物品推荐方法,其特征在于,利用评论驱动的视觉注意力网络结合将预测用户评论作为弱监督信号得到的偏好信息,计算所述图像向量表示,包括:利用VGG-19网络对所述目标物体的图像进行区域划分,得到各图像区域;

获取各所述图像区域的区域向量表示;

结合将所述预测用户评论作为弱监督信号得到的偏好信息和各所述区域向量表示,分别计算各所述区域向量表示对应的第三权重值;

对各所述区域向量表示和对应的第三权重值进行加权计算,得到所述图像向量表示。

6.根据权利要求1所述的物品推荐方法,其特征在于,对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到评分计算结果,包括:对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到所述用户对所述目标物品感兴趣的概率值;

根据所述评分计算结果向所述用户进行物品推荐,包括:

对多个所述目标物品的概率值进行大小排序,将概率值高于预设值的目标物品推荐给所述用户。

7.一种物品推荐装置,其特征在于,包括:

偏好信息获得模块,用于利用两层自适应注意力网络,从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息;其中,所述偏好信息包括可见偏好信息和不可见偏好信息;

图像向量计算模块,用于利用评论驱动的视觉注意力网络结合所述偏好信息,计算所述目标物品的图像向量表示;

用户向量计算模块,用于获取原用户向量表示,并将所述原用户向量表示与所述偏好信息结合,得到目标用户向量表示;

物品向量获得模块,用于获取所述目标物品对应的原物品向量表示,并将所述原物品向量表示与所述图像向量表示结合,得到目标物品向量表示;

评分结果获得模块,用于对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算,得到评分计算结果;

物品推荐模块,用于根据所述评分计算结果向所述用户进行物品推荐。

8.根据权利要求7所述的物品推荐装置,其特征在于,所述偏好信息获得模块包括:第一相关信息获得子模块,用于利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算,得到所述用户历史评论中与所述目标物品的第一相关信息;

第二相关信息获得子模块,用于利用所述两层自适应注意力网络对所述物品历史评论和所述原用户向量表示进行计算,得到所述物品历史评论中与所述用户的第二相关信息;

偏好信息获得子模块,用于结合所述第一相关信息和所述第二相关信息得到所述用户对所述目标物品的偏好信息。

9.一种物品推荐设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述物品推荐方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述物品推荐方法的步骤。