多任务推荐方法、装置、电子设备及可读存储介质与流程

本申请涉及人工智能领域，尤其涉及一种多任务推荐方法、装置、电子设备及可读存储介质。

背景技术：

1、推荐系统可以智能地为用户推荐他们感兴趣的内容，从而提高用户体验。多任务推荐是推荐系统的一个重要分支，它旨在同时优化多个推荐目标，如分享、完成等。

2、目前的多任务推荐系统面临着负面迁移的挑战，即任务间冲突可能导致某些任务性能下降。现有的多任务推荐方法通常采用共享嵌入范式，即使用相同的用户和物品嵌入表示来学习多个任务。然而，这种方法并未能充分考虑到用户在不同任务上的多样性和个性化偏好，从而限制了模型的表达能力和泛化能力，以至于推荐效果不理想。

3、因此，亟需提供一种可以为用户提供更加个性化和满意度更高的多任务推荐方法。

技术实现思路

1、有鉴于此，本申请实施例提供了一种多任务推荐方法、装置、电子设备及存储介质，以解决现有多任务推荐系统的易导致负面迁移，不能有效地捕捉多任务的用户偏好，从而无法用户提供更加个性化和满意度更高的推荐内容的问题。

2、本申请实施例的第一方面，提供了一种多任务推荐方法，包括：

3、获取原始输入信息，其中原始输入信息包括用户原始特征、项目原始特征及用户反馈信息；利用专家网络对原始输入信息进行学习，得到原始输入信息的共享嵌入向量及原始输入信息的多任务嵌入向量，其中共享嵌入向量包括用户共享嵌入向量和项目共享嵌入向量，多任务嵌入向量包括用户多任务嵌入向量和项目多任务嵌入向量；利用融合网络对共享嵌入向量和多任务嵌入向量进行融合，得到融合网络输出的共享融合向量和多任务融合向量；基于共享融合向量和多任务融合向量，结合第一函数网络预测用户对项目的不同类型的反馈，得到多任务推荐结果；基于多任务推荐结果生成针对用户的多任务推荐内容。

4、本申请实施例的第二方面，提供了一种多任务推荐装置，包括：

5、获取模块，被配置为获取原始输入信息，其中原始输入信息包括用户原始特征、项目原始特征及用户反馈信息；专家学习模块，被配置为利用专家网络对原始输入信息进行学习，得到原始输入信息的共享嵌入向量及原始输入信息的多任务嵌入向量，其中共享嵌入向量包括用户共享嵌入向量和项目共享嵌入向量，多任务嵌入向量包括用户多任务嵌入向量和项目多任务嵌入向量；融合模块，被配置为利用融合网络对共享嵌入向量和多任务嵌入向量进行融合，得到融合网络输出的共享融合向量和多任务融合向量；预测模块，被配置为基于共享融合向量和多任务融合向量，结合第一函数网络预测用户对项目的不同类型的反馈，得到多任务推荐结果；生成模块，被配置为基于多任务推荐结果生成针对用户的多任务推荐内容。

6、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

7、本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

8、本申请实施例与现有技术相比存在的有益效果是：

9、获取原始输入信息，其中原始输入信息包括用户原始特征、项目原始特征及用户反馈信息。利用专家网络对原始输入信息进行学习，得到原始输入信息的共享嵌入向量及原始输入信息的多任务嵌入向量，其中共享嵌入向量包括用户共享嵌入向量和项目共享嵌入向量，多任务嵌入向量包括用户多任务嵌入向量和项目多任务嵌入向量。利用融合网络对共享嵌入向量和多任务嵌入向量进行融合，得到融合网络输出的共享融合向量和多任务融合向量。基于共享融合向量和多任务融合向量，结合第一函数网络预测用户对项目的不同类型的反馈，得到多任务推荐结果。基于多任务推荐结果生成针对用户的多任务推荐内容。本申请结合共享和多任务的嵌入向量，可以有效地捕捉多任务的用户偏好，从而提高多任务推荐系统的推荐性能和减少负面迁移。此外，在同一套嵌入空间中同时学习共享和多任务的信息，不仅可以降低网络的复杂度和计算成本，还可以提高网络的表达能力和泛化能力。

技术特征：

1.一种多任务推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述利用专家网络对所述用户原始特征进行学习，得到所述原始输入信息的共享嵌入向量和多任务嵌入向量，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用所述专家网络中的共享专家网络学习所述用户和所述项目在每个推荐任务上的第一信息，基于所述第一信息得到所述共享嵌入向量，包括：

4.根据权利要求2所述的方法，其特征在于，所述利用所述专家网络中的多任务专家网络学习所述用户和所述项目在所述每个推荐任务上的第二信息，基于所述第二信息得到所述多任务嵌入向量，包括：

5.根据权利要求1所述的方法，其特征在于，所述利用融合网络对所述共享嵌入向量和所述多任务嵌入向量进行融合，得到所述融合网络输出的共享融合向量和多任务融合向量，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于激活后的向量确定所述共享融合向量和所述多任务融合向量，包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述共享融合向量和所述多任务融合向量，结合第一函数网络预测所述用户对所述项目的不同类型的反馈，得到多任务推荐结果，包括：

8.一种多任务推荐装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结
本申请涉及人工智能领域，提供了一种多任务推荐方法、装置、电子设备及可读存储介质，该方法包括：获取原始输入信息；利用专家网络对原始输入信息进行学习，得到原始输入信息的共享嵌入向量及原始输入信息的多任务嵌入向量；利用融合网络对共享嵌入向量和多任务嵌入向量进行融合，得到融合网络输出的共享融合向量和多任务融合向量；基于共享融合向量和多任务融合向量，结合第一函数网络预测用户对项目的不同类型的反馈，得到多任务推荐结果；基于多任务推荐结果生成针对用户的多任务推荐内容。本申请降低了现有多任务推荐系统的负面迁移，可以有效地捕捉多任务的用户偏好，从而为用户提供更个性化和满意度更高的推荐内容。

技术研发人员：闫培,杜梦雪
受保护的技术使用者：深圳须弥云图空间科技有限公司
技术研发日：
技术公布日：2024/5/16