面向用户接受决策预测的双曝光机制感知序列推荐方法

本发明涉及推荐系统、用户行为建模和机器学习，尤其涉及一种面向用户接受决策预测的双曝光机制感知序列推荐方法。

背景技术：

1、随着网络内容、商品和服务数量持续增长，推荐系统通常根据用户历史交互记录，从候选物品中预测用户可能接受的物品，并据此生成推荐结果。现有序列推荐方法一般按照交互发生顺序组织用户行为，通过循环神经网络、自注意力网络或其他序列编码结构提取动态兴趣；部分方法还基于用户—物品交互图聚合协同关系，以获得用户长期偏好表示。

2、在实际推荐系统中，用户反馈的生成不仅与用户偏好有关，还受到平台曝光策略、物品流行度、用户自选择行为以及历史推荐路径等因素影响。自然推荐过程中产生的交互日志通常经过既有排序策略筛选，属于观测曝光条件下形成的反馈。随机曝光、探索性曝光或者由随机化规则选择目标物品所产生的反馈，相对于自然曝光反馈，受到既有排序策略直接筛选的影响较弱，可作为与观测曝光机制不同的干预曝光反馈。

3、观测曝光反馈与干预曝光反馈具有不同的数据生成机制。观测曝光日志通常数量较多，并保留较明显的局部行为连续性；干预曝光反馈能够反映用户面对目标物品时的接受情况，但在实际系统中往往数量较少。若采用同一预测分支直接混合训练两类反馈，模型容易把观测曝光场景中的局部反馈依赖和策略选择特征带入干预曝光预测，造成两类反馈训练信号之间的表示干扰。若仅使用数量有限的干预曝光反馈训练模型，又容易出现用户偏好表示不足、训练波动较大以及预测不稳定的问题。

4、此外，现有方法通常将历史序列中的反馈状态作为统一的序列特征使用，较少针对不同曝光机制分别设置决策过程，也缺少一种能够在不以观测反馈替代干预反馈真实标签的前提下，将观测曝光日志中的局部反馈连续性转化为干预曝光学习辅助信息的机制。

5、因此，有必要提出一种双曝光机制感知的序列推荐方法，在用户偏好表示的基础上区分观测曝光决策与干预曝光决策，并通过适于干预曝光学习的辅助约束和阶段化训练方式，提高干预曝光条件下用户接受决策预测的准确性。

技术实现思路

1、本发明的目的在于提供一种面向用户接受决策预测的双曝光机制感知序列推荐方法，以解决现有序列推荐模型在观测曝光反馈与干预曝光反馈共同存在时，容易混淆不同曝光机制下的反馈规律、产生表示干扰，以及干预曝光样本较少时预测准确性不足的问题。

2、为实现上述目的，本发明提供一种面向用户接受决策预测的双曝光机制感知序列推荐方法，包括以下步骤：

3、s1：获取双曝光训练样本。训练样本包括历史交互序列、目标物品、用户反馈标签及曝光机制标识，并依据曝光机制标识区分为观测曝光样本和干预曝光样本，包括：获取目标用户在目标时刻之前的历史交互序列，以及目标时刻的目标物品、用户反馈标签和曝光机制标识；反馈状态和用户反馈标签取值为1时表示观察到用户接受行为，取值为0时表示未观察到接受行为；曝光机制标识用于区分自然曝光条件下产生的观测曝光样本，以及随机曝光、探索性曝光或由随机化规则选择目标物品所产生的干预曝光样本。

4、 s2：生成用户偏好表示。基于目标用户的历史交互信息生成用户偏好表示。历史交互信息包括用户—物品交互关系和历史交互序列。基于用户—物品交互图生成结构偏好表示，并基于历史交互序列生成序列兴趣表示；其中，用户—物品交互图由训练阶段的历史交互记录构建，通过对用户节点和物品节点进行多层邻域聚合得到结构偏好表示；通过对历史物品表示、反馈状态表示和位置表示进行组合，并利用序列编码器处理组合后的序列得到序列兴趣表示。融合结构偏好表示和序列兴趣表示，得到用户偏好表示。

5、 s3：构建双曝光决策分支。对目标物品进行表示映射，得到目标物品表示，并基于用户偏好表示和目标物品表示分别构建观测曝光决策分支和干预曝光决策分支；观测曝光决策分支进一步将用户偏好表示、目标物品表示和前一时刻反馈状态作为显式条件输入，干预曝光决策分支不将前一时刻反馈状态作为独立的显式条件输入。用户偏好表示通过门控融合机制生成。门控融合机制根据结构偏好表示和序列兴趣表示计算门控权重，再利用门控权重对两类表示进行自适应融合。

6、 s4：构造递归一致性参考目标。分别在前一时刻反馈状态为未接受和接受两种条件下，利用观测曝光决策分支获得当前目标物品的两个条件预测概率，并利用所述观测曝光决策分支对同一用户序列前一时刻样本输出的用户接受概率及其互补概率，对所述两个条件预测概率进行加权，得到递归一致性参考目标，并将其用于干预曝光样本训练的辅助约束。递归一致性参考目标仅用于对干预曝光决策分支提供辅助约束，干预曝光样本的真实反馈标签仍作为主要训练依据。

7、 s5：执行观测反馈训练和干预反馈适配。在观测反馈训练阶段，利用观测曝光样本更新用于生成用户偏好表示的模型参数和观测曝光决策分支的参数；在干预反馈适配阶段，利用干预曝光样本的真实反馈标签更新干预曝光决策分支的参数，并利用递归一致性参考目标提供辅助约束。

8、 s6：生成用户接受决策预测结果。利用训练完成的干预曝光决策分支计算干预曝光条件下的用户接受概率，并据此生成用户接受决策预测结果。观测反馈训练完成后，保持用于生成用户偏好表示的模型参数和观测曝光决策分支的参数不更新，并利用所述观测曝光决策分支构造递归一致性参考目标；在干预反馈适配阶段更新干预曝光决策分支的参数。

9、与现有技术相比，本发明至少具有以下有益效果：

10、（1）通过融合用户—物品交互图中的长期协同信息和历史交互序列中的动态兴趣信息，使用户偏好表示同时包含长期结构偏好与动态序列兴趣，提高用户偏好建模的完整性。

11、 （2）通过构建观测曝光决策分支和干预曝光决策分支，并仅在观测曝光决策分支中显式引入前一时刻反馈状态，降低自然曝光场景中的局部反馈依赖对干预曝光预测的直接影响。

12、 （3）通过递归一致性参考目标为干预曝光决策分支提供历史状态感知的辅助约束，并采用观测反馈训练和干预反馈适配的阶段化训练方式，减少不同曝光机制产生的反馈同时优化造成的干扰，提高双曝光推荐场景下用户接受决策预测的准确性。

1.面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s1包括：获取目标用户在目标时刻之前的历史交互序列以及目标时刻的目标物品、用户反馈标签和曝光机制标识；反馈状态和用户反馈标签取值为1时表示观察到用户接受行为，取值为0时表示未观察到接受行为；曝光机制标识用于区分自然曝光条件下产生的观测曝光样本，以及随机曝光、探索性曝光或由随机化规则选择目标物品所产生的干预曝光样本。

3.根据权利要求1所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s2包括：利用训练阶段的历史交互记录构建用户—物品交互图，并对图中的用户节点和物品节点进行邻域聚合，得到结构偏好表示；将历史交互序列中的历史物品表示、反馈状态表示和位置表示输入序列编码器，得到序列兴趣表示；融合结构偏好表示和序列兴趣表示，得到用户偏好表示。

4.根据权利要求3所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述用户偏好表示通过门控融合机制得到；门控融合机制根据结构偏好表示和序列兴趣表示计算门控权重，并利用门控权重对结构偏好表示和序列兴趣表示进行加权融合。

5.根据权利要求1所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s3包括：将前一时刻反馈状态映射为反馈状态表示；将用户偏好表示、目标物品表示和反馈状态表示输入观测曝光决策分支，得到观测曝光条件下的用户接受概率；将用户偏好表示和目标物品表示输入干预曝光决策分支，得到干预曝光条件下的用户接受概率。

6.根据权利要求5所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s4包括：分别将表示未接受状态和接受状态的反馈状态表示，与当前时刻的用户偏好表示和目标物品表示共同输入观测曝光决策分支，得到未接受状态对应的条件预测概率和接受状态对应的条件预测概率；利用观测曝光决策分支对同一用户序列前一时刻样本输出的用户接受概率，作为接受状态对应的条件预测概率的权重，并利用所述用户接受概率的互补概率作为未接受状态对应的条件预测概率的权重，对所述两个条件预测概率进行加权，得到递归一致性参考目标；当无法获得同一用户序列前一时刻样本的预测结果时，采用0.5作为中性权重，对所述两个条件预测概率进行加权。

7.根据权利要求6所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，递归一致性参考目标仅用于对干预曝光决策分支提供辅助约束，不作为干预曝光样本的真实反馈标签；根据干预曝光决策分支输出的用户接受概率与递归一致性参考目标之间的差异，构造递归一致性约束损失。

8.根据权利要求1所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s5包括：根据观测曝光样本的真实反馈标签优化观测反馈预测损失，以更新用于生成用户偏好表示的模型参数和观测曝光决策分支的参数；根据干预曝光样本的真实反馈标签优化干预反馈预测损失，并结合递归一致性约束损失更新干预曝光决策分支的参数。

9.根据权利要求8所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，观测反馈训练完成后，保持用于生成用户偏好表示的模型参数和观测曝光决策分支的参数不更新，并利用所述观测曝光决策分支构造递归一致性参考目标；在干预反馈适配阶段更新干预曝光决策分支的参数。

10.根据权利要求1所述的面向用户接受决策预测的双曝光机制感知序列推荐方法，其特征在于，所述s6包括：根据目标用户在目标时刻之前的历史交互序列和用户—物品交互图生成用户偏好表示，并获取目标物品表示；将用户偏好表示和目标物品表示输入训练完成的干预曝光决策分支，得到用户接受概率；根据用户接受概率生成用户接受决策预测结果，或者对多个候选物品进行排序。