申请/专利权人：中山大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117743687A

主分类号：G06F16/9535

分类号：G06F16/9535;G06N3/0442;G06N3/08;G06F17/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请公开了一种序列推荐模型建模方法及装置，本方案通过基于用户特征和交互项目序列特征，通过预设的特征门控模型，对用户特征与交互项目序列特征之间关系进行聚合计算，通过聚合项目之前的关联信息来学习一个项目出现在另一个项目的可能性聚合用户与项目之间的关联信息来学习用户对项目的关注度，然后获取输入的目标项目序列，用于代表用户当前意图，再结合因果效应计算公式，得到目标项目序列对应的事实预测分数和反事实因果分数，结合贝叶斯因果效应损失函数，对特征门控模型的参数进行训练，训练完成后即可获得序列推荐模型，按照本建模方法所构建的序列推荐模型能够准确地学习项目之间的真实关系，从而提高序列推荐模型的推荐预测准确度。

主权项：1.一种序列推荐模型建模方法，其特征在于，包括：获取用户集合以及所述用户集合对应的历史交互项目数据，并分别基于所述用户集合以及所述历史交互项目数据，生成用户特征和交互项目序列特征；基于所述用户特征和所述交互项目序列特征，通过预设的特征门控模型，对用户特征与交互项目序列特征之间关系进行聚合计算，得到聚合特征；获取输入的目标项目序列，结合所述用户特征与所述聚合特征，结合因果效应计算公式，得到所述目标项目序列对应的事实预测分数和反事实因果分数；根据所述事实预测分数与所述反事实因果分数，计算所述目标项目序列的推荐预测分数，以根据所述推荐预测分数与贝叶斯因果效应损失函数，对所述特征门控模型的参数进行训练，当满足预设的训练条件时，基于训练后的所述特征门控模型，形成序列推荐模型。

全文数据：

权利要求：

百度查询： 中山大学 一种序列推荐模型建模方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD