摘要
本发明公开了一种基于提示学习的多模态对齐服务推荐方法,该方法首先获取户历史点击物品的文本和图像数据,结合提示词向量,分别得到文本特征和图像特征。其次将文本特征和图像特征输入两个编码器中,分别输出文本和图像的多模态特征表示,经过丢弃操作进行特征增强,分别输入到文本优化器和图像优化器中。然后对两个优化器得到的特征进行相似性计算,计算对比损失函数,并将优化器输出的特征进行拼接融合生成物品表示,通过动态聚类算法,结合基于Transformer的自编码器得到用户的序列表示。最后设计两个自监督对比学习任务进行损失计算并训练。本发明更准确地捕捉用户的兴趣和需求,提供更个性化的推荐。
技术关键词
服务推荐方法
文本
模态特征
序列
图像
编码器
优化器
解码器模型
兴趣
密度峰值聚类算法
生成物品
商品浏览记录
跨模态
生成解码
视觉特征
原型
输出特征
数据
动态
系统为您推荐了相关专利信息
状态监测数据
特征值
电信号
计算机可执行指令
健身训练系统
模态特征
业务预测模型
融合特征
通道注意力机制
电子设备
呼吸运动预测模型
放射源
放疗方法
实时位置
图像
移动终端装置
无线超声探头
辅助系统
现实眼镜
图像深度学习