[发明专利]一种基于混合去噪自编码器的推荐方法和系统

权利要求书

1.一种基于混合去噪自编码器的推荐方法，其特征在于，包括：

获取用户-项目评分数据；

将所述用户-项目评分数据输入预先训练好的生成对抗网络中以补全所述用户-项目评分数据中的缺失值；

对于每个用户，将其对各项目的评分值按从大到小的顺序排序以生成推荐列表；

输出所述推荐列表；

其中所述生成对抗网络包括生成器和判别器，所述生成器为一自编码器，所述生成对抗网络通过以下方式训练得到：

获取具有完备评分值的原始用户-项目评分数据；

在所述原始用户-项目评分数据中加入噪声以得到加噪用户-项目评分数据；

将所述原始用户-项目评分数据作为真实样本、将所述加噪用户-项目评分数据作为噪声样本，根据预设的目标函数进行训练，得到所述生成对抗网络。

2.如权利要求1所述的推荐方法，其特征在于，所述将所述原始用户-项目评分数据作为真实样本、将所述加噪用户-项目评分数据作为噪声样本，根据预设的目标函数进行训练，得到所述生成对抗网络，包括：

生成器训练步骤，固定所述判别器的参数，将所述加噪用户-项目评分数据输入所述生成器中以得到去噪用户-项目评分数据X_N，将所述去噪用户-项目评分数据X_N输入所述判别器中，根据预设的第一目标函数，通过反向传播算法更新所述生成器的参数，其中N表示所述自编码器的层数；

判别器训练步骤，固定所述生成器的参数，将所述加噪用户-项目评分数据输入所述生成器中以得到去噪用户-项目评分数据X_N，将所述去噪用户-项目评分数据X_N和所述加噪用户-项目评分数据输入所述判别器中，根据预设的第二目标函数，通过反向传播算法更新所述判别器的参数；

交替执行所述生成器训练步骤和所述判别器训练步骤，直到所述第一目标函数和所述第二目标函数收敛。

3.如权利要求2所述的推荐方法，其特征在于，所述第一目标函数为：

其中

l_max＝X_N-X₁，

D(X_N)表示将所述去噪用户-项目评分数据X_N输入所述判别器中得到的结果，E[·]表示期望值，X_N～P_noisy(X_N)表示X_N符合带噪信号分布，α和β为预设的系数，X₁表示所述加噪用户-项目评分数据；

所述第二目标函数为：

其中，X₁～P_noisy(X₁)表示X₁符合带噪信号分布，G(X₁)表示将X₁输入所述生成器得到的结果，D(X₁,X_N)表示将X₁和X_N输入所述判别器得到的结果，D(G(X₁),X_N)表示将G(X₁)和X_N输入所述判别器得到的结果。

4.如权利要求3所述的推荐方法，其特征在于，当所述第一目标函数和所述第二目标函数的值小于预设的收敛阈值时则判定所述第一目标函数和所述第二目标函数收敛。

5.如权利要求3所述的推荐方法，其特征在于，α和β的值分别为0.8和0.1。

6.如权利要求1所述的推荐方法，其特征在于，所述噪声为加性高斯噪声。

7.如权利要求1至6中任一项所述的推荐方法，其特征在于，所述自编码器的层数大于3。