申请/专利权人：西安理工大学

申请日：2021-09-29

公开（公告）日：2024-03-22

公开（公告）号：CN113868550B

主分类号：G06F16/9536

分类号：G06F16/9536;G06F16/9537;G06Q30/0601;G06Q50/12;G06F18/23213;G06F18/2431;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.01.21#实质审查的生效;2021.12.31#公开

摘要：本发明公开一种基于注意力机制的群组美食推荐方法，具体步骤包括：步骤1，获取用户旅游数据集；步骤2，对有效的数据进行用户信息之间的相似度计算，对用户群组进行聚类分析，构建用户群组；步骤3，利用注意力机制以及用户亲密度将用户偏好进行融合，得到群组偏好向量；步骤4，对群组偏好向量与组内用户个人偏好做神经协同过滤进行处理，得到用户个人预测评分与群组预测评分；步骤5，根据多类聚合平衡策略对预测评分序列进行融合，步骤6，将预测评分以降序方式排列，生成美食推荐列表。本发明解决了现有技术中存在的进行群组推荐时未考虑到与群组具有亲密关系的人的偏好的问题。

主权项：1.一种基于注意力机制的群组美食推荐方法，其特征在于，具体步骤包括：步骤1，获取用户旅游数据集，经去重、剔除、清洗后，得到有效数据；步骤2，对有效数据进行用户信息之间的相似度计算，对用户群组进行聚类分析，构建用户群组；步骤3，根据群组，利用注意力机制以及用户亲密度将用户偏好进行融合，得到群组偏好向量；步骤4，对群组偏好向量与组内用户个人偏好做神经协同过滤进行处理，得到用户个人预测评分与群组预测评分；具体方法为：采用多层感知机去模拟一个用户项目之间的交互，上一层的输出作为下一层的输入，包括输出层、NCF嵌入层、池化层、表示层；训练集为用户的组内偏好，各类餐厅；表示层包括三个部分，分别是用户亲密度组合矩阵、餐厅以及组内用户之间的亲密率，用来描述用户项，餐厅项以及群组偏好项，在作为输入特征输入后，使用one-hot编码进行转化，将他们转化为二值化稀疏向量；池化层，是一个全连接层，用来将输入层的稀疏表示映射为一个稠密向量；将用户嵌入、餐厅项目嵌入和组嵌入送到多层网络结构之中，在NCF嵌入层进行学习，学习之后，嵌入层的向量输入到池化层与隐藏层以获得最终对用户和群组的预测评分，用户的评分预测以及群组预测评分步骤5，根据多类聚合平衡策略，将预测评分序列进行融合，得到目标群组对美食的预测评分；具体为：采用均值策略、最小痛苦策略、最开心策略对得到的用户预测评分和群组预测评分进行偏好融合；其中均值策略如公式7所示avgRm,j:m∈g7其中，g表示群组，Rgj表示该群组g对项目j的最终融合用户与群组预测评分后的得分；最小痛苦策略公式8所示minRm,i:m∈g8其中，g表示群组，Rgj表示群组g对项目j的最终融合用户与群组预测评分后的得分；最开心策略公式9所示maxRm,i:m∈g9其中，g表示群组，Rgj表示群组g对项目j的最终融合用户与群组预测评分后的得分；融合公式为： 其中N表示的为组内成员人数，Fg,i为群组预测评分与个人用户预测评分的融合，作为最终的预测列表推荐给用户；步骤6，将预测评分以降序方式排列，生成美食推荐列表，选取TOP-N的美食作为结果推荐给群组用户。

全文数据：

权利要求：

百度查询： 西安理工大学 一种基于注意力机制的群组美食推荐方法

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