[发明专利]一种基于词驱动和上下文感知的评论推荐矩阵分解方法在审
| 申请号： | 201910069087.0 | 申请日： | 2019-01-24 |
| 公开（公告）号： | CN109903083A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 蔡剑锋;王倩倩;孙忆南 | 申请（专利权）人： | 深圳市四佳一实业有限公司 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06Q30/06 |
| 代理公司： | 北京联瑞联丰知识产权代理事务所(普通合伙) 11411 | 代理人： | 赵娜 |
| 地址： | 518129 广东省深圳市龙岗区坂田*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 评论 向量 上下文感知 驱动 矩阵分解 主题分布 卷积神经网络 词频 分布网络 概率矩阵 级联模块 模型效果 商品评论 捕获 感知 分解 输出 共享 预测 | ||
1.一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，包括以下步骤：
(1)利用潜在狄利克雷分布获得评论的低级主题分布向量；
(2)将评论的低级主题分布向量输入到深度潜在狄利克雷分布网络获得词驱动评论表示向量；
(3)利用卷积神经网络获得评论的上下文感知评论表示向量；
(4)将词驱动评论表示向量和上下文感知评论表示向量输入到部分共享级联模块，输出词驱动和上文感知评论表示向量；
(5)将词驱动和上文感知评论表示向量加入高斯噪声作为商品表示向量，所有商品表示向量合并成商品表示矩阵；
(6)通过先验生成用户表示矩阵；
(7)将用户表示矩阵和商品表示矩阵进行概率矩阵分解，得到用户对商品的评分矩阵用于推荐。
2.如权利要求1所述的一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，所述步骤(2)具体包括：
(21)将低级主题分布向量复制后合并获得低级主题分布矩阵；
(22)低级主题分布矩阵与深度潜在狄利克雷分布网络第一层的参数矩阵逐元素乘，结果按行重排为向量；
(23)步骤(22)输出向量输入深度潜在狄利克雷分布网络全连接层，输出词驱动评论表示向量。
3.如权利要求1所述的一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，所述步骤(3)具体包括：
(31)将预处理的评论表示向量输入卷积神经网络输入层；
(32)输入层输出的向量经过卷积层和max-pooling层处理，捕获上下文信息；
(33)卷积神经网络输出层输出上下文感知的评论表示向量。
4.如权利要求1所述的一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，所述步骤(4)具体包括：
(41)将词驱动评论表示向量和上下文感知评论表示向量的共享主题部分加权求和得到词驱动和上下文感知评论表示向量共享主题部分；
(42)词驱动评论表示向量的私有主题部分，上下文感知评论表示向量的私有主题部分和词驱动和上文感知评论表示向量共享主题部分进行向量连接得到词驱动和上文感知评论表示向量。
5.如权利要求1所述的一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，所述步骤(5)具体包括：
(51)词驱动和上文感知评论表示向量加入高斯噪声作为商品表示向量；
(52)所有商品表示向量合并成商品表示矩阵。
6.如权利要求1所述的一种基于词驱动和上下文感知的评论推荐矩阵分解方法，其特征在于，步骤(6)中，所述先验为零均值球形高斯分布先验。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市四佳一实业有限公司，未经深圳市四佳一实业有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910069087.0/1.html，转载请声明来源钻瓜专利网。
