公开(公告)号：CN114791983B

公开(公告)日：2023-04-07

申请号：CN202210384315.5

申请日：2022-04-13

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  潘立纬 ,  胡舒涵 ,  李姝 ,  肖亮 ,  肖轶涛 ,  刘琦 ,  郑吟秋 ,  刘畅 ,  马忠宝 ,  程玉 ,  李超

IPC: G06F16/9537 ,  G06F16/9535 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于序列推荐技术领域，具体公开了一种基于时序物品相似度的序列推荐方法,包括建立神经网络模型，构建基于时间信息的嵌入向量；包括与绝对时间相关的嵌入向量以及相对时间相关的嵌入向量；自注意力机制学习模块，结合相对嵌入向量获得局部特征X；全局偏好学习模块获得全局特征Y；按当前候选物品和最近交互物品的相似度，对局部特征X与全局特征Y进行加权求和得到特征表示zl，并以此为依据进行序列中的下一物品的推荐。本发明引入更多的经过设计的时间嵌入向量，提高时间信息利用的有效程度，进而提高序列推荐的正确性。

公开(公告)号：CN114791983A

公开(公告)日：2022-07-26

申请号：CN202210384315.5

申请日：2022-04-13

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  潘立纬 ,  胡舒涵 ,  李姝 ,  肖亮 ,  肖轶涛 ,  刘琦 ,  郑吟秋 ,  刘畅 ,  马忠宝 ,  程玉 ,  李超

IPC: G06F16/9537 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于序列推荐技术领域，具体公开了一种基于时序物品相似度的序列推荐方法,包括建立神经网络模型，构建基于时间信息的嵌入向量；包括与绝对时间相关的嵌入向量以及相对时间相关的嵌入向量；自注意力机制学习模块，结合相对嵌入向量获得局部特征X；全局偏好学习模块获得全局特征Y；按当前候选物品和最近交互物品的相似度，对局部特征X与全局特征Y进行加权求和得到特征表示zl，并以此为依据进行序列中的下一物品的推荐。本发明引入更多的经过设计的时间嵌入向量，提高时间信息利用的有效程度，进而提高序列推荐的正确性。