基于用户兴趣偏好的跨域迁移推荐系统

技术特征：
1.基于用户兴趣偏好的跨域迁移推荐系统，其特征在于，所述系统包括用户数据获取模块，以及推荐模块，所述用户数据获取模块，用于获取用户的账号信息、行为习惯信息以及在目标域的历史行为记录，所述域指向应用场景以及，所述应用场景所使用的、并且对应于所述应用场景的特定类型的媒体资源所形成的媒体资源空间；所述推荐模块，用于根据所述用户的账号信息、所述行为习惯信息以及在所述目标域的历史行为记录，向所述用户推荐所述目标域中的媒体资源；其中，所述推荐模块通过迁移至少两个域中的共性联想偏好信息训练得到。2.根据权利要求1所述的系统，其特征在于，所述推荐模块具体用于执行下述操作：根据所述用户的账号信息以及所述历史行为记录预测所述用户在所述目标域的媒体资源偏好信息，所述目标域的媒体资源偏好信息表征所述用户在所述目标域所在的应用场景中，对所述目标域对应的特定类型的媒体资源的偏好信息；根据所述用户的账号信息、行为习惯信息和静态属性信息预测用户的行为指示偏好信息，所述行为指示偏好信息表征用户在所述目标域的行为倾向；根据所述目标域的媒体资源偏好信息和所述用户行为指示偏好信息预测被推荐的媒体资源。3.根据权利要求2所述的系统，其特征在于，所述推荐模块由神经网络构建得到，所述神经网络通过下述方法训练：获取至少一批的样本用户对应的样本数据，所述样本数据包括所述样本用户的账号信息、静态属性信息、行为习惯信息、至少一个样本域的历史行为信息以及反馈行为信息；针对每一样本用户的针对每一样本域的样本数据，执行下述操作：将所述样本域输入第一网络进行分散性激活处理，得到针对各第二网络分别对应的融合特征参量，所述神经网络包括至少两个域分别对应的第二网络，所述第二网络用于输出所对应的域的媒体资源本身的共性联想偏好信息；将所述各第二网络分别对应的融合特征参量，分别对应输入第二网络，并将各第二网络输出的信息进行融合，得到基于所述样本域的共性联想偏好信息；将针对所述样本域的历史行为信息输入第三网络进行嵌入特征提取，得到所述样本域对应的历史行为特征；将所述样本域对应的历史行为特征和所述样本域的共性联想偏好信息一起输入第四网络进行编码，得到所述样本用户在样本域对应的媒体资源偏好信息；将所述样本用户的账号信息、静态属性信息和行为习惯信息输入第五网络进行基于融合的特征提取，得到所述样本用户对应的行为指示偏好信息；将所述样本域对应的媒体资源偏好信息和所述样本用户对应的行为指示偏好信息输入第六网络，得到所述样本用户在所述样本域下个性化的感兴趣资源；根据所述感兴趣资源和所述样本数据中针对所述感兴趣资源的反馈行为信息，确定所述神经网络产生的损失；根据所述损失反馈调整所述第一网络、所述第二网络、所述第三网络、所述第四网络、所述第五网络和所述第六网络的参数。4.根据权利要求3所述的系统，其特征在于，
所述账号信息包括：账号标识、账号归属地、账号活跃频率、账号等级中的至少一个；所述静态属性信息包括：所述账号所属的用户的年龄信息、性别信息、学历信息、地域信息、简介信息中的至少一个；所述行为习惯信息包括：所述账号所属的用户是否有长期固定的兴趣，是否喜欢重复消费相同的媒体资源中的至少一个；所述历史行为信息：所述账号所属的用户的消费媒体资源的历史行为。5.根据权利要求4所述的系统，其特征在于，所述第二网络来自于对应的域所对应的推荐系统，通过跨域迁移被链接至所述神经网络。6.根据权利要求4或5所述的系统，其特征在于，所述第一网络和每一所述第二网络之间均设置有激活层序列，所述激活层序列包括依次连接的至少两个激活层，对于任一第二网络，所述样本域被输入所述第一网络进行特征表征，得到样本域特征，将所述样本域特征被输入所述第二网络对应的激活层序列的靠近所述第一网络的激活层，并由所述激活层序列靠近所述第二网络的激活层输出对应的融合特征参量；对于任一所述激活层序列，所述激活层序列中的相邻激活层的激活函数不一致。7.根据权利要求6所述的装置，其特征在于，所述至少一个样本域包括下述样本域中的至少一个：在视频播放场景中播放的视频类型的媒体资源形成的媒体资源空间；在音频播放场景中播放的音频类型的媒体资源形成的媒体资源空间；在图书阅览场景中播放的文本类型的媒体资源形成的媒体资源空间。8.根据权利要求7所述的装置，其特征在于，所述所述至少一批的样本用户对应的样本数据包括至少两批的样本用户对应的样本数据；所述训练方法还包括：基于第一目标批次的样本数据进行神经网络的训练，得到中间态神经网络；基于所述中间态神经网络的精度信息和预设的精度信息目标值之间的差异，对所述中间态神经网络进行裁剪处理，得到裁剪后的神经网络；基于第二目标批次的样本数据进行所述裁剪后的神经网络的训练。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1至8中任一项所述的基于用户兴趣偏好的跨域迁移推荐系统。10.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现如权利要求1至8中任一项所述的基于用户兴趣偏好的跨域迁移推荐系统。

技术总结
本申请实施例公开了基于用户兴趣偏好的跨域迁移推荐系统，可以应用于推荐领域。上述跨域迁移推荐系统包括用户数据获取模块，以及推荐模块；所述用户数据获取模块，用于获取用户的账号信息、行为习惯信息以及在目标域的历史行为记录，所述域指向应用场景以及，所述应用场景所使用的、并且对应于所述应用场景的特定类型的媒体资源所形成的媒体资源空间；所述推荐模块，用于根据所述用户的账号信息、所述行为习惯信息以及在所述目标域的历史行为记录，向所述用户推荐所述目标域中的媒体资源；其中，所述推荐模块通过迁移至少两个域中的共性联想偏好信息训练得到。本申请可实现基于跨域迁移的媒体资源推荐。域迁移的媒体资源推荐。域迁移的媒体资源推荐。


技术研发人员：郭飞鹏 张林吉 王子凡
受保护的技术使用者：浙江工商大学
技术研发日：2022.08.02
技术公布日：2022/12/16