基于结构化用户意图识别的序列推荐方法及装置制造方法及图纸

本发明专利技术公开了一种基于结构化用户意图识别的序列推荐方法及装置，该方法包括：获取用户的商品交互历史数据，通过自注意力编码器对商品历史交互数据进行信息聚合；根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图；根据真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。该方法可以刻画用户在做出购买决策时真实意图，同时可以基于用户意图做出结构化的转移，能够更加透明地、可解释地模拟用户在购买商品时的心理状态，使得序列推荐的性能得以提升。

【技术实现步骤摘要】
基于结构化用户意图识别的序列推荐方法及装置
本专利技术涉及意图识别
，特别涉及一种基于结构化用户意图识别的序列推荐方法及装置。
技术介绍
现有的购物软件会根据用户的喜好及需求进行推荐，现有的序列推荐方法关注用户的商品交互历史，主要是设计黑盒模型刻画交互历史中的模式，但是没有显式考虑用户在做出交互决策时的真实意图，另外现有方法没有推理未观测到用户意图使得对于序列推荐效果不佳。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于结构化用户意图识别的序列推荐方法，该方法刻画出用户在购买时的真实意图，并做出可解释地序列推荐。本专利技术的另一个目的在于提出一种基于结构化用户意图识别的序列推荐装置。为达到上述目的，本专利技术一方面实施例提出了一种基于结构化用户意图识别的序列推荐方法，包括：获取用户的商品交互历史数据，通过自注意力编码器对所述商品历史交互数据进行信息聚合；根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图；根据所述真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。本专利技术实施例的基于结构化用户意图识别的序列推荐方法，通过自注意力编码器对用户的商品购买历史进行编码，利用神经网络刻画用户在做出购买决策时的心理状态和真实意图，通过图神经网络，基于用户的真实意图做出意图的转移，刻画用户之后可能的意图。由此，模型能够更加透明地、可解释地模拟用户在购买商品时的心理状态，使得序列推荐的性能得以提升，可以应用在推荐系统、用户意图识别、可解释机器学习等方面。另外，根据本专利技术上述实施例的基于结构化用户意图识别的序列推荐方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，刻画用户的未来潜在意图之后，还包括：根据所述未来潜在意图为用户进行序列推荐。进一步地，在本专利技术的一个实施例中，用户在推荐的序列中选择并标记需要的和不需要的序列，根据用户标记的结果对模型参数进行调整。进一步地，在本专利技术的一个实施例中，所述用户真实交互意图包括用户在做出购买决策时的心理状态和真实意图。进一步地，在本专利技术的一个实施例中，所述通过自注意力编码器对所述商品历史交互数据进行信息聚合，包括：应用所述自注意力编码器对用户的商品购买历史进行编码。为达到上述目的，本专利技术另一方面实施例提出了一种基于结构化用户意图识别的序列推荐装置，包括：处理模块，用于获取用户的商品交互历史数据，通过自注意力编码器对所述商品历史交互数据进行信息聚合；计算模块，用于根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图；求解模块，用于根据所述真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。本专利技术实施例的基于结构化用户意图识别的序列推荐装置，通过自注意力编码器对用户的商品购买历史进行编码，利用神经网络刻画用户在做出购买决策时的心理状态和真实意图，通过图神经网络，基于用户的真实意图做出意图的转移，刻画用户之后可能的意图。由此，模型能够更加透明地、可解释地模拟用户在购买商品时的心理状态，使得序列推荐的性能得以提升，可以应用在推荐系统、用户意图识别、可解释机器学习等方面。另外，根据本专利技术上述实施例的基于结构化用户意图识别的序列推荐装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，推荐模块，用于根据所述未来潜在意图为用户进行序列推荐。进一步地，在本专利技术的一个实施例中，调整模块，用于用户在推荐的序列中选择并标记需要的和不需要的序列，根据用户标记的结果对模型参数进行调整。进一步地，在本专利技术的一个实施例中，所述用户真实交互意图包括用户在做出购买决策时的心理状态和真实意图。进一步地，在本专利技术的一个实施例中，应用所述自注意力编码器对用户的商品购买历史进行编码。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的基于结构化用户意图识别的序列推荐方法流程图；图2为根据本专利技术一个实施例的基于结构化用户意图识别的序列推荐装置结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参照附图描述根据本专利技术实施例提出的基于结构化用户意图识别的序列推荐方法及装置。首先将参照附图描述根据本专利技术实施例提出的基于结构化用户意图识别的序列推荐方法。图1为根据本专利技术一个实施例的基于结构化用户意图识别的序列推荐方法流程图。如图1所示，该基于结构化用户意图识别的序列推荐方法包括以下步骤：步骤S1，获取用户的商品交互历史数据，通过自注意力编码器对商品历史交互数据进行信息聚合。具体地，通过自注意力编码器对用户的商品购买历史数据进行编码。可以理解的是，引入潜在用户意图网络，为后续挖掘用户在做出购买决策时的心理状态和真实意图提供基础。步骤S2，根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图。可以理解的是，在模型中引入用户识别模块，使得整个模型具有从用户的商品交互历史中可解释地识别出用户真实意图的能力。在本专利技术的实施中，通过神经网络准确地、可解释地求解出的用户在做出购买决策时的心理状态和真实意图。步骤S3，根据真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。可以理解的是，在模型中引入图结构，挖掘用户未来可能潜在的真实意图，可解释的模拟用户做出购买决策的心理。具体地，通过图神经网络，基于用户的真实意图走出意图转移，根据用户以前的购买意图刻画出用户未来可能的意图，这样做出的模型具有可解释性和推荐性都更强。在本专利技术的实施例中，在刻画出用户未来潜在意图之后，根据潜在意图为用户进行序列推荐，用户在推荐的序列中选择需要和不需要的序列，进行标记，根据用户标记的结果对模型参数进行调整，使得调整后的模型可以更加转准确地刻画用户的潜在需求。根据本专利技术实施例提出的基于结构化用户意图识别的序列推荐方法，通过自注意力编码器对用户的商品购买历史进行编码，利用神经网络刻画用户在做出购买决策时的心理状态和真实意图，通过图神经网络，基于用户的真实意图做出意图的转移，刻画用户之后可能的意图。由此，模型能够更加透明地、可解释地模拟用户在购买商品时的心理状态，使得序列推荐的性能得以提升，可以应用在推荐系统、用户意图识别、可解释机器学习等方面。其次参照附图描述根据本专利技术本文档来自技高网...

【技术保护点】
1.一种基于结构化用户意图识别的序列推荐方法，其特征在于，包括以下步骤：/n获取用户的商品交互历史数据，通过自注意力编码器对所述商品历史交互数据进行信息聚合；/n根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图；/n根据所述真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。/n

【技术特征摘要】
1.一种基于结构化用户意图识别的序列推荐方法，其特征在于，包括以下步骤：
获取用户的商品交互历史数据，通过自注意力编码器对所述商品历史交互数据进行信息聚合；
根据聚合后的数据，利用神经网络多层感知机求解用户的真实交互意图；
根据所述真实交互意图，通过图神经网络对用户意图进行转移，刻画用户的未来潜在意图。


2.根据权利要求1所述的基于结构化用户意图识别的序列推荐方法，其特征在于，刻画用户的未来潜在意图之后，还包括：
根据所述未来潜在意图为用户进行序列推荐。


3.根据权利要求2所述的基于结构化用户意图识别的序列推荐方法，其特征在于，
用户在推荐的序列中选择并标记需要的和不需要的序列，根据用户标记的结果对模型参数进行调整。


4.根据权利要求1所述的基于结构化用户意图识别的序列推荐方法，其特征在于，
所述用户真实交互意图包括用户在做出购买决策时的心理状态和真实意图。


5.根据权利要求1所述的基于结构化用户意图识别的序列推荐方法，其特征在于，所述通过自注意力编码器对所述商品历史交互数据进行信息聚合，包括：
应用所述自注意力编码器对用户的商品购买历史进行...

【专利技术属性】
技术研发人员：朱文武，李昊阳，马坚鑫，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11