[发明专利]一种基于深度神经网络和概率矩阵分解的混合推荐算法在审
| 申请号： | 201910165345.5 | 申请日： | 2019-03-05 |
| 公开（公告）号： | CN110032677A | 公开（公告）日： | 2019-07-19 |
| 发明（设计）人： | 琚生根;胡思才;孙界平 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06N3/04 |
| 代理公司： | 成都环泰知识产权代理事务所(特殊普通合伙) 51242 | 代理人： | 赵红欣;李斌 |
| 地址： | 610041 四川*** | 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： | 本发明涉及一种基于深度神经网络和概率矩阵分解的混合推荐算法，步骤如下；S10、信息收集并进行预处理；S20、建立深度神经网络模型和概率矩阵分解模型；S30、根据以上三步得到融合用户和项目真实信息的潜在特征向量；S40、利用特征向量对用户进行个性化推荐。该基于深度神经网络和概率矩阵分解的混合推荐算法与现有技术相比，本发明的有益效果是：本文在前人研究的基础上，不仅充分利用了用户评分矩阵数据，同时将用户描述信息和项目描述信息利用深度神经网络进行特征提取，生成包括用户偏好特征在内的用户和项目真实特征集，再利用最大后验估计对概率矩阵模型和深度神经网络生成的特征进行迭代优化处理。 | ||
| 搜索关键词： | 概率矩阵 神经网络 算法 分解 特征向量 预处理 神经网络模型 用户描述信息 用户偏好特征 个性化推荐 迭代优化 评分矩阵 特征提取 项目描述 信息利用 信息收集 真实信息 最大后验 特征集 再利用 融合 研究 | ||
【主权项】：
1.一种基于深度神经网络和概率矩阵分解的混合推荐算法，其特征在于:步骤如下；S10、信息收集并进行预处理；S20、建立深度神经网络模型和概率矩阵分解模型；S30、根据以上三步得到融合用户和项目真实信息的潜在特征向量；S40、利用特征向量对用户进行个性化推荐。
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四川大学，未经四川大学许可，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/201910165345.5/，转载请声明来源钻瓜专利网。
