技术特征：
1.一种基于用户个性化建模的会话推荐方法，其特征在于，包括以下步骤：获取用户在电商平台的会话数据集，所述会话数据集包括物品信息、用户购买时间戳以及用户购买行为；对所述会话数据集进行数据增强；将数据增强后的会话数据集建模为序列结构，并输入到rnn网络中，获得初步会话向量化表示数据集；将所述初步会话向量化表示数据集中的会话存储在历史会话向量化表示内存中；使用多意图网络进行用户意图提取，得到表达用户多意图的会话向量化表示h
interest
；使用transformer网络对会话向量化表示h
interest
进行全局信息建模，得到表示全局信息的会话向量化表示h
global
；使用convolution网络对会话向量化表示h
interest
进行局部信息建模，得到表示局部信息的会话向量化表示h
local
；将全局会话向量表示h
global
和局部会话向量表示h
local
通过一个融合层连接到一起，得到最终会话向量化表示；计算所述最终会话向量化表示与所述会话数据集中的所有物品计算余弦相似度，将相似度最高的物品作为推荐结果。2.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，在获得会话数据集后，还包括对所述会话数据集进行预处理的步骤，包括：根据时间戳对会话数据进行排序，得到按时间排序的会话序列，去除只有一次点击的会话，以及删除出现频率过低的点击项；其中，会话数据的每一项包括了商品的序号item_id和商品被点击的时间戳time_stamp。3.根据权利要求2所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述根据时间戳对会话数据进行排序，得到按时间排序的会话序列，包括：从会话数据集中获取共n个会话数据，用s表示会话，v表示被点击的商品项，将该会话中的所有商品项v按商品被点击的时间戳time-stamp进行排序，则一个会话序列可以表示为s＝＜v1，v2，v3...v
c
＞，其中v的下标c用来区分商品点击的先后顺序。4.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述使用transformer网络对会话向量化表示h
interest
进行全局信息建模，得到表示全局信息的会话向量化表示h
global
，包括：将提取用户意图后的会话向量化表示建模为序列结构，输入到transformer网络中，经过训练后，得到会话序列中每一个商品的向量化表示；所述会话序列中每一个节点的向量化表示，代表一个商品在综合了序列中其他商品特征后的向量表示x＝＜x1，x2，x3...x
n
＞；将所述会话序列中所有商品节点的向量化表示，取平均得到每一个会话的向量化表示，对于会话s＝＜v1，v2，v3...v
n
＞，其中n为会话s包含的商品个数，其会话的全局向量化表示为h
global
。5.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述使用convolution网络对会话向量化表示h
interest
进行局部信息建模，得到表示局部信息的
会话向量化表示h
local
包括：将提取用户意图后的会话向量化表示建模为序列结构，输入到convolution网络中，经过训练后，得到会话序列中每一个商品的向量化表示；所述会话序列中每一个节点的向量化表示，代表一个商品在综合了序列中其他商品特征后的向量表示y＝＜y1，y2，y3...y
n
＞；将所述会话序列中所有商品节点的向量化表示，取最后一个商品的向量作为会话的向量化表示，对于会话序列s＝＜v1，v2，v3...v
n
＞，其中n为会话s包含的商品个数，其会话的局部表示向量化表示h
local
。6.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述将全局会话向量表示h
global
和局部会话向量表示h
local
通过一个融合层连接到一起，得到最终会话向量化表示，包括：将全局会话向量表示h
global
和局部会话向量表示h
local
中的会话存储在历史会话向量化表示内存中，获得最终会话向量化表示集合，记为m；其中，p表示用户购买会话数据集中的会话个数，t表示会话长度，表示在第i会话在进行了上述数据增强后长度为j的会话向量化表示。7.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述最终会话向量化表示z的表达式如下：z＝αh
local
+(1-a)h
global
其中，参数α＝σ(w1h
local
+w2h
aglobal
)，σ代表sigmoid函数，w1，w2是可以训练的模型参数。8.根据权利要求1所述的一种基于用户个性化建模的会话推荐方法，其特征在于，所述余弦相似度的计算公式如下：value＝softmax(z
t
x)其中，z为最终会话向量化表示，x为物品向量化表示，t表示向量转置；得分最高的k个物品形成最终的推荐物品列表。9.一种基于用户个性化建模的会话推荐装置，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1-8任一项所述方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述方法。
技术总结
本发明公开了一种基于用户个性化建模的会话推荐方法、装置及介质，其中方法包括：获取会话推荐数据集；将数据增强后的会话数据集建模为序列结构，并输入到RNN网络中，获得初步会话向量化表示数据集；进行用户意图提取，得到表达用户多意图的会话向量化表示；提取会话向量化表示的全局信息和局部信息；融合提取的信息得到最终会话向量化表示；计算所述最终会话向量化表示与所述会话数据集中的所有物品计算余弦相似度，将相似度最高的物品作为推荐结果。本发明可以有效捕捉相似用户的消费模式，使得新的推荐算法可以更有效地预测用户的真实需求，从而给出更加准确的推荐结果，可广泛应用于人工智能、深度学习及推荐系统技术领域。域。域。
技术研发人员：许勇 孙佳宇
受保护的技术使用者：华南理工大学
技术研发日：2022.04.06
技术公布日：2022/8/5