(19)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 202210996583.2 (22)申请日 2022.08.19 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 张航　王桂凤　王皓　刘嘉聿　 刘淇　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 鄢功军 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) (54)发明名称 一种基于端到端双曲空间的用户推荐方法 (57)摘要 本发明公开了一种基于端到端双曲空间的 用户推荐方法， 包括： 获取欧几里得空间中的项 目表征和目标用户的用户表征， 并构建用户推荐 模型， 利用用户推荐模型执行以下操作： 将用户 表征和项目表征分别映射到双曲空间中， 得到用 户双曲表征和项目双曲表征； 利用纯双曲空间图 卷积神经网络在双曲空间上处理用户双曲表征， 得到用户社交信息和新的用户双曲表征； 将新的 用户双曲表征在双曲空间上分解为多个双曲分 向量， 并根据多个双曲分向量， 得到用户偏好信 息； 根据用户偏好信息， 利用注意力机制在双曲 空间上处理新的用户双曲表征和项目双曲表征， 得到新的用户 ‑项目交互信息； 根据用户社交信 息和新的用户 ‑项目交互信息， 向目标用户进行 项目推荐。 权利要求书3页 说明书12页 附图7页 CN 115186197 A 2022.10.14 CN 115186197 A 1.一种基于端到端双曲空间的用户推荐方法， 包括： 获取欧几里得空间中的项目表征和目标用户的用户表征， 其中， 所述用户表征包括社 会关系和与项目的交互信息， 所述项目表征包括项目属性信息， 并构建用户推荐模型， 利用 所述用户推荐模型 执行以下操作： 将所述用户表征和所述项目表征分别映射到双曲空间中， 得到用户双曲表征和项目双 曲表征； 利用纯双曲空间图卷积神经网络在双曲空间上处理所述用户双曲表征， 得到用户社交 信息和新的用户双曲表征； 将所述新的用户双曲表征在双曲空间上分解为多个双曲分 向量， 并根据 所述多个双曲 分向量， 得到用户偏好信息； 根据所述用户偏好信 息， 利用注意力 机制在双曲空间上处理所述新的用户双曲表征和 所述项目双曲表征， 得到新的用户 ‑项目交互信息； 根据所述用户社交信息和所述新的用户 ‑项目交互信息， 向所述目标用户进行项目推 荐。 2.根据权利要求1所述的方法， 其中， 将所述用户表征和所述项目表征分别映射到双曲 空间中， 得到用户双曲表征和项目双曲表征包括： 将所述用户表征和项目表征分别添加具有预设值的附加维度， 得到用户附加 表征和项 目附加表征； 将所述用户附加表征和所述项目附加表征分别嵌入到欧几里得空间的原点的切空间 中， 得到切空间上的用户表征和 切空间上的项目表征； 利用原点处的指数映射分别将所述切空间上的用户表征和所述切空间上的项目表征 映射到洛伦茨模型中， 得到所述用户双曲表征和所述项目双曲表征。 3.根据权利要求1所述的方法， 其中， 利用纯双曲空间图卷积神经网络在双曲空间上处 理所述用户双曲表征， 得到用户社交信息和新的用户双曲表征包括： 利用预设矩阵对所述用户双曲表征进行变换， 得到中间用户双曲表征； 将所述中间用户双曲表征进行洛伦茨模型到克莱因模型的变换， 得到克莱因模型下的 用户双曲表征； 根据所述目标用户的邻域节点的信 息和第一洛伦茨因子， 并利用爱因斯坦中点方法在 双曲空间中对所述克莱因模型 下的用户双曲表征进行聚合， 得到双曲聚合平均值； 将所述双曲聚合平均值进行克莱因模型到洛伦茨模型的变换， 得到洛伦茨模型下的双 曲聚合平均值； 将所述洛伦茨模型下的双曲聚合平均值投影到到庞加莱球模型上， 得到投影结果， 并 利用预先定义的非线性函数将所述投影结果映射到洛伦茨模型上， 得到所述新的用户双曲 表征。 4.根据权利要求3所述的方法， 其中， 所述预设矩阵由变换矩阵和正交矩阵构成， 所述 正交矩阵通过在斯蒂弗尔流形 上优化得到 。 5.根据权利要求3所述的方法， 其中， 所述预先定义的非线性函数包括非线性激活函 数。 6.根据权利要求1所述的方法， 其中， 根据所述用户偏好信息， 利用注意力机制在双曲权　利　要　求　书 1/3 页 2 CN 115186197 A 2空间上处 理所述新的用户双曲表征， 得到新的用户 ‑项目交互信息包括： 计算所述新的用户双曲表征和所述项目表征反双曲余弦值的逆值， 得到用户 ‑项目权 重； 对所述新的用户双曲表征进行洛伦茨模型到克莱因模型的变换， 得到克莱因模型下的 新的用户双曲表征； 根据所述用户 ‑项目权重和第二洛伦茨因子， 利用爱因斯坦中点方法聚合所述用户偏 好信息， 得到克莱因模型 下的具有偏好信息的用户双曲表征； 将所述克莱因模型下的具有偏好信息的用户双曲表征进行克莱因模型到洛伦茨模型 变换， 得到 洛伦茨模型 下的具有偏好信息的用户双曲表征； 利用费米 ‑狄拉克方法计算所述洛伦茨模型下的具有偏好信 息的用户双曲表征和所述 项目双曲表征， 得到所述 新的用户 ‑项目交互信息。 7.一种基于端到端双曲空间的用户推荐模型的训练方法， 包括： 构建用户推荐模型并随机初始化所述用户推荐模型的参数； 获取用户训练样本和项目训练样本， 其中， 所述用户训练样本包括用户训练正样本和 用户训练负 样本， 所述项目训练样本包括项目训练正样本和项目训练负 样本； 将所述用户训练样本和所述项目训练样本输入到所述用户推荐模型中， 得到正样本的 用户‑项目交互信息和负 样本的用户 ‑项目交互信息； 将所述正样本的用户 ‑项目交互信息和所述负样本的用户 ‑项目交互信息输入到损 失 函数中， 得到损失值， 并根据所述损失值， 优化所述用户推荐模型的参数； 迭代进行交互信息获取操作、 损 失值获取操作以及优化操作， 直到损 失值满足预设条 件， 得到训练完成的用户推荐模型， 其中， 所述训练完成的用户推荐模 型应用于权利要求 1‑ 6任一所述的方法。 8.一种基于端到端双曲空间的用户推荐模型的训练装置， 包括： 构建模块， 用于构建用户推荐模型并随机初始化所述用户推荐模型的参数； 样本获取模块， 用于获取用户训练样本和项目训练样本， 其中， 所述用户训练样本包括 用户训练正样本和用户训练负样本， 所述项目训练样本包括项目训练正样本和项目训练负 样本； 交互信息获取模块， 用于将所述用户训练样本和所述项目训练样本输入到所述用户推 荐模型中， 得到正样本的用户 ‑项目交互信息和负 样本的用户 ‑项目交互信息； 优化模块， 用于将所述正样本的用户 ‑项目交互信息和所述负样本的用户 ‑项目交互信 息输入到损失函数中， 得到损失值， 并根据所述损失值， 优化所述用户推荐模型的参数； 迭代模块， 用于迭代进行交互信息获取操作、 损失值获取操作以及优化操作， 直到损失 值满足预设条件， 得到训练完成的用户推荐模型， 其中， 所述训练完成的用户推荐模型应用 于权利要求1 ‑6任一所述的方法。 9.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1～7中任一项所述的方法。权　利　要　求　书 2/3 页 3 CN 115186197 A 3