[发明专利]一种基于深度对齐矩阵分解模型进行学术论文推荐的方法

摘要

本发明公开了一种基于深度对齐矩阵分解模型进行学术论文推荐的方法，包括：分别通过两个非线性多层感知器，将用户和论文以及论文和单词映射到相同维度的低维特征空间；通过最大化同一篇论文的两种低维表示向量之间的相似度，在两个非线性多层感知器之间搭建起一个“桥梁”。最后，通过这个“论文信息桥梁”传递信息，轮流训练这两部分感知器。由于通过这种方法，在训练“用户‑论文”部分的感知器时，能借助“论文‑单词”部分的信息；在训练“论文‑单词”部分的感知器时，能借助“用户‑论文”部分的信息。所以，本发明可以同时使用“用户‑论文收藏记录”、“论文内容文本信息”，共同为用户论文推荐做贡献。

主权项

1.一种基于深度对齐矩阵分解模型进行学术论文推荐的方法，其特征在于，包括如下步骤：步骤1，构建论文与用户输入矩阵U、论文与单词输入矩阵P；步骤2，通过第一个非线性多层感知器对输入矩阵U做矩阵分解，将用户和论文映射同一个低维空间上，分别得到用户的低维表示向量vu和论文的低维表示向量vp；通过第二个非线性多层感知器对输入矩阵P做矩阵分解，将论文和单词映射同一个低维空间上，分别得到论文的低维表示向量v’p和单词的低维表示向量vz；步骤3，轮流训练第一个非线性多层感知器和第二个非线性多层感知器，且在每个非线性多层感知器的损失函数中，加入最大化论文的两种表示vp和v’p之间的相似度作为约束；步骤4，根据每个用户的低维表示向量vu和候选论文表示(vp+v’p)之间的内积值，给用户推荐论文。