(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111373959.6 (22)申请日 2021.11.19 (71)申请人 中核第四研究设计 工程有限公司 地址 050021 河北省石家庄市裕华区体 育 南大街261号 (72)发明人 霍晨琛　肖诗伟　曾晨　郭九江　 喻梅　许林英　刘晓明　赵凯培　 陈帅　 (74)专利代理 机构 天津创智睿诚知识产权代理 有限公司 12 251 代理人 王海滨 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 30/06(2012.01) G06F 16/9536(2019.01)G06N 20/00(2019.01) (54)发明名称 基于张量分解和协同过滤的商品推荐学习 模型构建方法 (57)摘要 本发明公开了一种基于张量分解和协同过 滤的商品推荐学习模型构建方法， 首先获取用户 对商品的历史行为数据， 进行预处理， 得到验证 集、 训练集和测试集； 然后对用户、 商品、 行为信 息进行嵌入处理， 随机初始化特征向量； 再根据 CP分解方法计算相似度评分， 设置并优化平方损 失函数； 最后采用多任务学习框架联合学习， 调 整并训练模型。 本发明可用于铀矿山原材料推 荐， 辅助用户决策， 可以在用户指标不明确、 历史 购买数据不足、 候选原材料数量多的情况下， 实 现针对用户的个推荐。 可以有效地减少稀疏数据 造成的冷启动问题， 帮助用户快速、 准确地做出 购买决策。 在推荐精度和训练速度上达到相当可 观的高度， 具有实际应用的潜力。 权利要求书2页 说明书5页 附图1页 CN 113988951 A 2022.01.28 CN 113988951 A 1.一种基于张量分解和协同过滤的商品推荐学习模型构建方法， 其特征在于， 包括以 下步骤： 步骤S1： 获取用户对商品的历史行为数据， 进行 预处理， 得到验证集、 训练集和 测试集； 步骤S2： 对用户、 商品、 行为信息进行嵌入处 理， 随机初始化特 征向量； 步骤S3： 根据CP分解方法计算相似度评分， 设置并优化平方损失函数； 步骤S4： 采用多任务学习框架联合学习， 调整并训练模型。 2.根据权利要求1所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S1 中， 用户对商品的历史行为数据包括用户购买商品行为记录数据、 用户将 商品添加购物车行为记录数据、 以及用户浏览商品行为记录数据， 这些用户对商品的历史 行为数据包 含有用户信息、 行为信息及商品信息 。 3.根据权利要求2所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S1中， 所述行为信息， 包括购买商品行为、 添加购物车行为和浏览商品行为 三类。 4.根据权利要求2所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S1 中， 去除输入的用户对商品的历史行为数据中所含有的额外标记信息， 如 设备的名称型号、 用户隐私信息 。 5.根据权利要求2所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S1中， 将同一个用户与同一个商品在某个行为下多次交互的历史记录合并 为一条记录 。 6.根据权利要求1所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S2中， 首次训练时随机初始化用户、 行为、 商品存储器组件参数， 输入的用 户、 行为和商品的信息被分别嵌入到用户、 行为和商品的存储器组件中， 用户的存储器组件 为M， 行为的存储组件为H， 商品的存储器组件为E； 其中， 用户的偏好被存储在用户存储器组 件切片mu中， 行为b的特征被存储在行为存储 器组件切片hb中， 商品i的特征被存储在商品存 储器切片的ei中， 初次训练时， 各存储器组件中 的特征向量进行随机初始化， 以得到针对特 定商品和特定用户在其特定行为中的嵌入表示。 7.根据权利要求6所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S3中， 采用dropout方法 随机丢弃部分输入的用户， 根据CP分解， 采用用户、 行为、 商品的嵌入表 示逐元素相乘后相加的方法计算用户和商品在不同行为下的相似度评 分； 采用平方损失函数用于模型训练。 8.根据权利要求7所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S3中， 损失函数的计算拆分为有历史行为记录的用户、 行为、 商品三元组和 所有三元组两部分， 通过抛弃梯度无关的常数项以及改变累加和计算顺序， 加速模型训练 过程。 9.根据权利要求1所述的基于张量分解和协同过滤的商品推荐学习模型构建方法， 其 特征在于： 步骤S4中， 采用多任务学习框架联合学习， 调整并训练模型， 具体步骤如下： 多种 行为之间的交互关系通过多任务学习框架学习并调整， 根据推荐 结果调整 数据集和迭代次 数， 以及模型参数； 经 过调整后， 正式训练模型。 10.一种计算机可读存储介质， 其特征在于， 存储有计算机程序， 所述计算机程序被执权　利　要　求　书 1/2 页 2 CN 113988951 A 2行时实现如权利要求1至9中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 113988951 A 3