首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

面向跨域场景的双重细粒度知识迁移系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:上海交通大学

摘要:一种面向跨域场景的双重细粒度知识迁移系统,包括:依次相连的输入层、嵌入层、双重细粒度知识迁移层和预测层,输入层根据用户和物品的唯一标识,采用独热编码方式,生成用户和物品的独热编码表示;嵌入层基于用户和物品的独热编码表示,采用查表法,将稀疏的、高纬度的独热编码表示映射到连续的低维空间,得到初始嵌入向量;双重细粒度知识迁移层将任一交互的用户‑物品对的初始嵌入向量拼接得到域内知识表示,通过细粒度知识提取和迁移得到跨域知识表示,并将域内知识表示和跨域知识表示进行自适应融合,得到最终的知识表示;预测层根据最终的知识表示生成交互的预测分数,并进一步得到推荐结果。本发明有效地对用户在跨域场景下的行为进行建模,实现域间知识的迁移、互补与融合,从而对用户在未来与物品的交互进行预估,生成有效的推荐结果,提高用户的体验感和对系统的满意程度。

主权项:1.一种面向跨域场景的双重细粒度知识迁移系统,其特征在于,包括:依次相连的输入层、嵌入层、双重细粒度知识迁移层和预测层,其中:输入层根据用户和物品的唯一标识,采用独热编码方式,生成用户和物品的独热编码表示;嵌入层基于用户和物品的独热编码表示,采用查表法,将稀疏的、高纬度的独热编码表示映射到连续的低维空间,得到初始嵌入向量;双重细粒度知识迁移层将任一交互的用户-物品对的初始嵌入向量拼接得到域内知识表示,通过细粒度知识提取和迁移得到跨域知识表示,并将域内知识表示和跨域知识表示进行自适应融合,得到最终的知识表示;预测层根据最终的知识表示生成交互的预测分数,并进一步得到推荐结果;所述的双重细粒度知识迁移层由若干细粒度知识迁移块组成,每个细粒度知识迁移块包括:细粒度知识提取模块、细粒度知识迁移模块以及自适应知识融合模块,其中:细粒度知识提取模块将域内知识表示投影到多个潜在的语义空间,以提取用户和物品交互背后的细粒度知识;细粒度知识迁移模块考虑域共享因素和域特定因素的存在,基于注意力机制实现域间的知识迁移,并生成跨域知识表示;自适应知识融合模块融合域内知识表示和跨域知识表示,得到最终的知识表示;所述的预测分数,表示模型判断输入的用户-物品对是正样本的概率,其中概率最高的用户-物品对即为推荐结果;所述的嵌入层,利用三个嵌入矩阵EU,将用户和物品的独热编码表示映射到连续的低维表示空间,生成用户和物品的初始嵌入向量其中:d为生成的初始嵌入向量的维度;所述的双重细粒度知识迁移层实现了域间双重的细粒度知识迁移,该层通过叠加L个细粒度知识迁移块实现深度双重知识迁移,具体为其中:和分别表示第l-1个FGKT中域DA和DB的域内知识,表示从域DB迁移到DA的跨域知识,表示从域DA迁移到DB的跨域知识;对于第一个FGKT,也就是当l=1时,域内知识表示为由用户-物品对的交互表示,该交互表示由用户和物品的初始嵌入向量拼接生成,即所述的预测层根据最后一个FGKT的输出,即利用一个sigmoid函数来输出原始输入的用户-物品对u,i是一个正交互的概率:所述的细粒度知识提取模块基于嵌入层得到用户和物品的初始嵌入向量,对于每个相互交互过的用户物品对u,i,将其对应的嵌入向量拼接作为该交互的表示,即eui=[eu,ei],通过将eui投射到多个潜在的语义空间来识别和提取观测到的用户物品交互背后的多个潜在因素;当用户物品交互背后存在K中潜在因素,通过将eui投射到第k个潜在空间,得到该用户物品对的第k个细粒度的知识表示其中:表示被所有用户物品对共享的投射矩阵,是得到的细粒度知识表示,d'为的维度;所述的细粒度知识迁移模块对于每个用户物品对u,i,得到K个细粒度知识表示,即当在域DA中存在用户物品对u,iA,在域DB中存在用户物品对u,iB,则其对应的细粒度知识表示分别为和从域DB向域DA迁移知识时,以域DA中的表示为指引,计算域DB中每个潜在空间中细粒度知识表示的重要性分数:其中:WM为变化权重矩阵,bM为偏移项,ReLU为激活函数,表面了第k个潜在语义空间中的细粒度知识表示的权重分数;基于所得的权重分数,通过加权求和得到从域DB向域DA迁移的跨域知识表示rA←B:同样地得到从域DA向域DB迁移的跨域知识表示rB←A;经过域间双重知识迁移过程后,对于域DA中每个用户物品对u,iA,存在域内知识表示rA和跨域知识表示rA←B,由于对于不同的用户物品对,域内和跨域知识的影响力不同,所述的自适应知识融合模块通过自适应的平衡这两种不同的知识表示的重要性,融合生成统一的表示;该自适应知识融合通过门控机制来实现:δ=σWGrA+WCrA←B+bG,sA=1-δ⊙rA+δ⊙rA←B,其中:WG,WC,bG为该自适应知识融合机制中的可学习的参数,σ表示sigmoid激活函数,⊙为元素级乘法,sA为融合后的知识表示,将作为下一个FGKT的域内知识输入。

全文数据:

权利要求:

百度查询: 上海交通大学 面向跨域场景的双重细粒度知识迁移系统

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。

相关技术
相关技术
相关技术
相关技术