基于会话中物品重要性的物品推荐方法和系统

1.一种基于会话中物品重要性的物品推荐方法，用于从物品集中预测用户在下一个时刻可能交互的物品作为目标物品推荐给所述用户，其特征在于，基于训练好的推荐模型进行的步骤包括：将当前会话中的各个物品嵌入到一个d维向量表示，以获得物品嵌入向量，并将所述当前会话中最后一个物品对应的物品嵌入向量作为所述用户的当前兴趣表示，根据所述物品嵌入向量获取各个所述物品的重要性表示，并将所述重要性表示与所述物品嵌入向量相结合来获得所述用户的长期偏好表示，将所述当前兴趣表示和所述长期偏好表示通过连接操作进连接，以获得所述用户的偏好表示，根据所述偏好表示和所述物品嵌入向量获得所述目标物品并推荐给所述用户；其中，所述根据所述物品嵌入向量获取各个所述物品的重要性表示，包括：将所述当前会话中的各个物品对应各个所述物品嵌入向量构成的物品嵌入向量集分别通过非线性转换函数转换到第一向量空间和第二向量空间，以分别获得第一转换向量和第二转换向量，所述非线性转换函数为是以非线性方式从所述物品嵌入向量中学习信息的转换函数，获取所述第一转换向量和第二转换向量之间的关联矩阵，根据所述关联矩阵获取所述当前会话中的一个物品与所述当前会话中的其它物品的平均相似度，以作为所述一个物品的重要性分数，通过第一归一化层归一化所述重要性分数，以获得所述一个物品的重要性表示。 2.根据权利要求1所述的物品推荐方法，其特征在于，在根据所述关联矩阵获得所述重要性表示过程中，通过一个遮蔽操作来遮蔽所述关联矩阵的对角线。 3.根据权利要求1所述的物品推荐方法，其特征在于，根据所述偏好表示来计算所述物品集中所有物品被推荐的概率来获得所述目标物品并推荐给所述用户。 4.根据权利要求3所述的物品推荐方法，其特征在于，根据所述偏好表示和所述物品嵌入向量来计算所述物品集中所有物品被推荐的概率来获得所述目标物品并推荐给所述用户包括：将各个所述物品嵌入向量与分别与所述偏好表示的转置矩阵相乘以对应的获得所述当前会话中个物品的各个偏好分数，通过第二归一化层来归一化各个所述偏好分数，以获分别得各个所述物品被推荐的概率，选择各个所述概率中的大小靠前的一组概率对应的所述物品作为所述目标物品推荐给所述用户。 5.根据权利要求1所述的物品推荐方法，其特征在于，应用反向传播算法来训练所述推荐模型。 6.根据权利要求1所述的物品推荐方法，其特征在于，采用交叉熵函数作为优化目标来学习所述推荐模型的参数。 7.一种基于会话中物品重要性的物品推荐系统，用于从物品集中预测用户在下一个时刻可能交互的物品作为目标物品推荐给所述用户，其特征在于，包括：嵌入层模块，用于将当前会话中的各个物品嵌入到一个d维向量表示，以获得各个物品嵌入向量，重要性提取模块，用于根据所述物品嵌入向量提取各个所述物品的重要性表示，当前兴趣获取模块，用于获取所述当前会话中最后一个物品对应的物品嵌入向量作为所述用户的当前兴趣表示，长期偏好获取模块，用于将所述重要性表示与所述物品嵌入向量相结合来获得所述用户的长期偏好表示，用户偏好获取模块，用于连接所述当前兴趣表示和所述长期偏好表示，以获得所述用户的偏好表示，推荐生成模块，用于根据所述偏好表示和所述物品嵌入向量获得所述目标物品并推荐给所述用户；其中，所述重要性提取模块包括：第一非线性层和第二线性层，分别用于通过非线性转换函数将各个所述物品嵌入向量组成的嵌入向量集转换到第一向量空间和第二向量空间，以分别获得第一转换向量和第二转换向量，所述非线性转换函数为是以非线性方式从所述物品嵌入向量中学习信息的转换函数，平均相似度计算层，用于根据所述第一转换向量和第二转换向量之间的关联矩阵计算所述当前会话中的一个物品与所述当前会话中的其它物品之间的平均相似度来表征所述一个物品的重要性分数，第一归一化层，用于归一化所述重要性分数以获得所述一个物品的重要性表示。