摘要
一种融合时间感知与路径推理的可解释序列推荐方法,包括以下步骤:1)构建时序协作知识图谱;2)通过TransE在时序协作知识图谱上进行节点表示学习;3)设计时间感知系统,通过路径和物品注意力机制更新当前时刻的物品向量,再结合用户向量生成物品预测向量;4)设计路径推理系统,使用强化学习框架进行关联路径推理,通过路径表示学习得到多路径向量;5)模型训练,对时间感知系统和路径推理系统进行训练得到物品预测结果。本发明引入双系统模拟人类推理过程,并通过学习时序协作知识图谱中用户行为的时间依赖特征,提高了推荐结果的准确性和可解释性。
技术关键词
序列推荐方法
推理系统
感知系统
注意力机制
实体
强化学习框架
图谱
时序
三元组
Sigmoid函数
多层感知机
多路径
历史交互信息
更新模型参数
剪枝策略
多层感知器
生成物品
梯度方法
依赖特征