[发明专利]一种基于深度学习的推荐方法有效
| 申请号： | 201810536538.2 | 申请日： | 2018-05-30 |
| 公开（公告）号： | CN108763493B | 公开（公告）日： | 2022-06-21 |
| 发明（设计）人： | 石鑫;屈鸿;符明晟;史冬霞 | 申请（专利权）人： | 深圳市思迪信息技术股份有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;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： | 518057 广东省深圳市南山区粤海*** | 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： | 本发明公开了一种基于深度学习的推荐方法，属于数据挖掘技术领域，解决现有的推荐方法，不能从包含了项目的描述和元数据的文本内容信息中来预测该项目的潜在因子向量，造成推荐不准确的问题；本发明对用户的历史行为数据的隐式反馈特性进行建模，建模后学习得到用户和项目的隐因子向量；将项目的隐因子向量作为标签训练对项目文本内容的时序信息进行建模和深层次地挖掘的网络模型；对于未出现在用户历史行为数据中的新项目，将项目的文本内容信息中通过步骤(2)得到的网络模型预测得到项目的隐因子向量，然后将其与步骤(1)得到的用户隐因子向量直接匹配，并将匹配度进行排序，得到每个用户的新项目推荐列表。本发明用于新项目的推荐。 | ||
| 搜索关键词： | 一种 基于 深度 学习 推荐 方法 | ||
【主权项】：
1.一种基于深度学习的推荐方法，其特征在于，如下步骤：(1)对用户的历史行为数据的隐式反馈特性进行建模，建模后学习得到用户和项目的隐因子向量；(2)将项目的隐因子向量作为标签训练对项目文本内容的时序信息进行建模和深层次地挖掘的网络模型；(3)对于未出现在用户历史行为数据中的新项目，将新项目的文本内容信息通过步骤(2)得到的网络模型预测得到项目的隐因子向量，然后将其与步骤(1)得到的用户隐因子向量直接匹配，并将匹配度进行排序，得到每个用户的新项目推荐列表。
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深圳市思迪信息技术股份有限公司，未经深圳市思迪信息技术股份有限公司许可，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/patent/201810536538.2/，转载请声明来源钻瓜专利网。
