[发明专利]一种提升推荐模型时序数据挖掘能力的循环神经网络方法

摘要

本发明公开了一种提升推荐模型时序数据挖掘能力的循环神经网络方法。该方法的步骤包括步骤1，对传统神经网络进行基于时间门的网络改造；步骤2，将添加交互间隔时间的时序数据输入模型中；步骤3，计算得到模型在序列每一项上的预测值；步骤4，计算模型的损失值，若损失值低于预设值并趋于平稳则执行步骤6，否则执行步骤5；步骤5，根据损失值计算各个参数的梯度，并对参数进行更新，返回步骤3；步骤6，根据当前模型预测用户的兴趣。利用本发明能够提高神经网络在推荐领域对时间信息的挖掘能力，使模型更易于处理长期数据中所包含的长期的一般特征和短期的临时特征，在个性化推荐系统中尤为明显。

主权项

一种提升推荐模型时序数据挖掘能力的循环神经网络方法，其特征在于，包括以下步骤：步骤1，选择一种神经网络，对该神经网络进行基于时间门的网络改造，得到一个新的模型；步骤2，根据用户时序数据发生的时间，创建有时间间隔属性的时序数据，将得到的数据输入模型中；步骤3，计算模型的输出，得到模型在序列每一项上的预测值；步骤4，根据步骤3得到的预测值和序列每一项的真实值计算模型的损失值，若损失值低于预设值并趋于平稳则执行步骤6，否则执行步骤5；步骤5，根据损失值计算各个参数的梯度，并对模型参数进行更新，返回执行步骤3；步骤6，根据当前的模型预测用户的兴趣。