[发明专利]一种基于深度神经网络的影评网站用户的属性预测方法有效
| 申请号： | 201810524543.1 | 申请日： | 2018-05-28 |
| 公开（公告）号： | CN108829763B | 公开（公告）日： | 2021-09-07 |
| 发明（设计）人： | 屈鸿;刘永胜;房展;舒扬;杨舰;邓悟;季江舟;张晓敏 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/08 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 徐金琼 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的影评网站用户的属性预测方法，属于数据挖掘、机器学习等领域。本发明对影评网站中稀疏的用户评分数据进行矩阵分解，将用户评分矩阵分解为用户‑特征矩阵和电影‑特征矩阵，利用这两个矩阵对用户向量进行部分填充，填充后的用户评分数据作为用户的特征向量。将用户的特征向量数据输入全连接的深度神经网络，结合多任务学习技术，对网络模型进行训练，得到各个任务的标签分数；根据各个任务标签分数进行决策分析，得到最终分类结果。本发明通过深度神经网络技术，对影评网站用户进行自动的属性预测，解决了数据稀疏性问题，具有较高的分类准确率和效率。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 影评 网站 用户 属性 预测 方法 | ||
【主权项】：
1.一种基于深度神经网络的影评网站用户的属性预测方法，其特征在于，包括如下步骤：(1)基于矩阵分解技术，将用户历史评分数据分解为用户‑特征矩阵和电影‑特征矩阵，基于两个矩阵对用户向量进行稠密填充，其中用户向量为用户对各个电影的打分；(2)基于填充处理后的用户向量、样本用户的多个属性结构化特征和多任务学习技术进行全连接的深度神经网络模型训练，得到训练好的深度神经网络模型；(3)将待预测样本用户的用户向量输入训练好的深度神经网络模型进行预测，得到预测用户的各个任务属性的分数，从而得到最终的用户属性类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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电子科技大学，未经电子科技大学许可，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/patent/201810524543.1/，转载请声明来源钻瓜专利网。
