[发明专利]一种基于高斯分布表示的深度推荐系统有效
| 申请号： | 201910920671.2 | 申请日： | 2019-09-27 |
| 公开（公告）号： | CN110765363B | 公开（公告）日： | 2023-05-05 |
| 发明（设计）人： | 阳德青;肖仰华;赵佳馨 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06F16/9536 | 分类号： | G06F16/9536;G06N3/0464;G06N3/08 |
| 代理公司： | 上海正旦专利代理有限公司 31200 | 代理人： | 陆飞;陆尤 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明属于人工智能领域，具体为一种基于高斯分布表示的深度推荐模型。本发明推荐模型分为四层：依次为嵌入表示层、特征交互层、特征抽取层与预测层；在嵌入表示层产生目标用户 |
||
| 搜索关键词： | 一种 基于 分布 表示 深度 推荐 系统 | ||
【主权项】：
1.一种基于高斯分布表示的深度推荐模型，其特征在于，用高斯分布向量来表示用户和物品，即特征空间中每个用户或物品的表示都对应于一个高斯分布范围；模型共分为四层：依次为嵌入表示层、特征交互层、特征抽取层与预测层；其中：/n在嵌入表示层，产生目标用户u和待推荐物品v的高斯分布向量；/n在特征交互层，基于高斯分布，通过蒙特卡洛采样法为u和v各生成同样数量的样本，每个样本都是由同样维度的向量表示；每个用户样本向量和每个物品样本向量两两配对并组成一个交互特征立方体E；/n在特征抽取层，通过搭建卷积神经网络和多层感知机网络，从E中提取出u和v的交互特征，并进行压缩；/n在预测层，基于前一层提取的交互特征用Sigmoid函数计算最终的预测分数。/n
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复旦大学，未经复旦大学许可，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/201910920671.2/，转载请声明来源钻瓜专利网。
