(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210968240.5 (22)申请日 2022.08.12 (71)申请人 河海大学 地址 211100 江苏省南京市江宁区佛城西 路8号 (72)发明人 倪建军　曹卫东　唐广翼　姜博严　 蔡瑜　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 刘艳艳 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9537(2019.01) G06N 3/04(2006.01) (54)发明名称 一种面向动态时间场景应用的个性化推荐 方法及装置 (57)摘要 本发明公开了一种面向动态时间场景应用 的个性化推荐方法及装置， 包括： 数据预处理、 训 练反向预测模型、 伪历史项目生成、 短序列增强、 生成时间感知自注意力推荐模型等步骤。 本发明 可以提高推荐系统适应动态时间场景的能力。 本 发明具有准确率高、 拓展性强等优点； 相对于目 前的个性化推荐方法， 本发明缓解了推荐系统的 数据稀疏问题， 提高了推荐结果的准确性， 使得 推荐结果更具个性化， 且能随时间变化不断更新 推荐结果， 有更强的实用性。 权利要求书4页 说明书9页 附图2页 CN 115329194 A 2022.11.11 CN 115329194 A 1.一种面向动态时间场景应用的个性 化推荐方法， 其特 征在于， 所述方法包括： (1)、 对用户的原始数据集进行预处理， 得到长序列用户行为序列 和短序列用户行为 序列 其中， 所述用户分为长序列用户和短序列用户； (2)、 逆转所述长序列用户行为序列， 利用逆转的长序列用户行为序列训练得到反向预 测模型 (3)、 将所述反向预测模型迁移至短序列用户行为序列 上， 生成短序列用户的伪历史 项目， 得到增强后的短序列用户行为序列 (4)、 将长序列用户行为序列 和增强后的短序列用户行为序列 一起作为时间感知 自注意力推荐模型的输入， 生成用户的时间间隔矩阵Ru， 其中所述时间间隔矩阵Ru包括时间 间隔信息； (5)、 训练得到时间感知自注意力推荐模型； 将时间间隔信息、 用户行为序列和项目的 绝对位置信息一起输入到时间感知自注意力模块中训练， 并最终得到时间感知自注意力推 荐模型， 实现推荐功能。 2.根据权利要求1所述的面向动态时间场景应用的个性化推荐方法， 其特征在于， 所述 步骤(1)中， 对原 始数据集进行 预处理包括： (1a)、 将原始数据集按不同用户进行划分， 得到每个用户的历史行为列表； 对于每个用 户行为列表中的项目， 按照用户与其产生交互的时间先后顺序进 行排列， 得到用户u的行为 序列Su＝{o1,o2,...,ow}， 其中ow表示第w个行为； (1b)、 将得到的用户行为序列Su按照序列长度不同， 划分为长序列用户行为序列 和 短序列用户行为序列 即， 如果一个用户行为序列的长度|Su|小于L， 则将该序列视为短 序列用户行为序列， 否则， 该序列被视为长序列用户行为序列。 3.根据权利要求2所述的面向动态时间场景应用的个性化推荐方法， 其特征在于， 所述 步骤(3)， 包括： (3a)、 将步骤(2)中得到的反向预测模型 迁移至短序列用户行为序列 上， 并利用所 述反向预测模型生成短序列用户的伪历史项目， 表示 为： (3b)、 将生成的伪历史项目放在原始短序列的初始项目o1前形成一个新的增强后的短 序列用户行为序列， 表示 为： 其中,q代 表所生成的伪历史项目总数， n代 表原始短序列项目数。 4.根据权利要求1或3所述的面向动态时间场景应用的个性化推荐方法， 其特征在于， 所述步骤(4)， 包括： (4a)、 结合长序列用户行为序列 和增强后的短序列用户行为序列 一起转换为 一个固定 长度的序列S： 权　利　要　求　书 1/4 页 2 CN 115329194 A 2其中， m表示输入模 型的最大序列长度； 如果 或 的长度大于m， 则只考虑最新的m个 项目； 否则， 将填充 项添加到序列S的左侧， 直到其长度达 到m； (4b)、 同样， 对于增强后的短序列用户行为序列 和长序列用户行为序列 所对应的 时间序列 和 转换为固定序列t： (4c)、 对于步骤(3)中生成的伪历史项目的时间， 依次使用平均时间间隔 进行定义,计算方法如下： (4d)、 得到用户的固定时间序列t＝(t1,t2,...,tm)后， 将第i个项目和第j个项目之间 的时间间隔定义 为Δt＝|ti‑tj|， 并采用项目间时间 间隔的相对长度 定义如下： (4e)、 得到用户u的时间 间隔矩阵为： 5.根据权利要求1所述的面向动态时间场景应用的个性化推荐方法， 其特征在于， 所述 步骤(5)中， 将时间间隔信息、 用户行为序列和项目的绝对位置信息一起输入到时间感知自 注意力模块中训练， 包括： (5a)、 嵌入层： 对于 每个输入序列， 将用户行为序列转换为项目嵌入矩阵 绝 对位置信息转换为绝对位置嵌入矩阵 时间间隔信息转换为时间间隔嵌入 矩阵 得到如下的嵌入矩阵： EI＝[ms1,ms2,...,msm]T 权　利　要　求　书 2/4 页 3 CN 115329194 A 3