公开(公告)号：CN113609388B

公开(公告)日：2024-02-06

申请号：CN202110851097.7

申请日：2021-07-27

Applicant: 浙江大学

Inventor： 吴飞 ,  张圣宇 ,  赵洲 ,  姚东

IPC: G06F16/9535 ,  G06F18/2415 ,  G06F18/22

Abstract: 本发明公开了一种基于反事实用户行为序列生成的序列推荐方法。该方法的基本流程如下：首先使用物品相似度识别用户序列中物品层级和兴趣层级的重要概念和非重要概念；然后使用概念重要性识别结果和数据增强手段生成反事实正负用户序列；最后使用对比学习方法对反事实正负用户‑用户、用户‑物品进行对比表征学习，以学习得到的序列推荐模型进行实际的序列推荐。本发明将反事实样本生成、对比学习应用于序列个性化推荐。相比一般序列推荐方法，本发明通过建模反事实用户序列空间，能够缓解用户点击行为稀疏问题；通过识别物品层级和兴趣层级的重要概念和非重要概念，并以此进行用户表征学习，能够学习更加准确可靠的用户表征。

公开(公告)号：CN113609388A

公开(公告)日：2021-11-05

申请号：CN202110851097.7

申请日：2021-07-27

Applicant: 浙江大学

Inventor： 吴飞 ,  张圣宇 ,  赵洲 ,  姚东

IPC: G06F16/9535 ,  G06K9/62

Abstract: 本发明公开了一种基于反事实用户行为序列生成的序列推荐方法。该方法的基本流程如下：首先使用物品相似度识别用户序列中物品层级和兴趣层级的重要概念和非重要概念；然后使用概念重要性识别结果和数据增强手段生成反事实正负用户序列；最后使用对比学习方法对反事实正负用户‑用户、用户‑物品进行对比表征学习，以学习得到的序列推荐模型进行实际的序列推荐。本发明将反事实样本生成、对比学习应用于序列个性化推荐。相比一般序列推荐方法，本发明通过建模反事实用户序列空间，能够缓解用户点击行为稀疏问题；通过识别物品层级和兴趣层级的重要概念和非重要概念，并以此进行用户表征学习，能够学习更加准确可靠的用户表征。