一种基于层次化意图的用户兴趣解耦的推荐方法

本发明公开了一种基于层次化意图的用户兴趣解耦的推荐方法。当前细粒度兴趣推荐系统大多数仅从交互中解耦出多种表面的意图因素，忽视了意图间的层次化关系。其次，在意图学习的过程中，大多数研究严重依赖于对交互数据的划分。这种学习范式不能从整体的角度探索潜在的意图，可能加剧数据稀疏并损害推荐性能。本发明为了探索意图之间的层次化关系，设计了一种意图感知兴趣建模层来学习每个意图层级中的多样化的用户/物品表征。然后，堆叠多个兴趣建模层从低层级中提取更加抽象和深入的意图语义以丰富协同过滤信号。此外，为了避免由于划分交互导致的训练效率低并缓解交互稀疏问题，还在每个兴趣建模层中设计了一种自适应意图学习策略。