[发明专利]基于协同过滤和长短记忆网络的在线推荐系统在审
| 申请号： | 201811567618.0 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109635204A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 胡金涛;饶若楠 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06N3/04;G06F17/50 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 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： | 一种基于协同过滤和长短记忆网络的在线推荐系统，包括：实时模块、近线模块和离线模块，实时模块实时接受用户请求，经预处理后输出至若干终端搭建的HDFS集群分布式文件系统，同时根据请求进行实时推荐和线上评估；近线模块从实时模块获得用户请求数据，并实时将请求通过消息队列分发到分布式缓存中，并使用用户请求中的特征对推荐模型进行离线训练，离线训练完成的推荐模型加载缓存中的数据进行增量式更新；离线模块从特征池中加载特征，之后使用推荐模型在训练集中进行训练，训练完成后的推荐模型通过自编码器实现协同过滤来挖掘用户的长期偏好，从而可以与长短记忆网络结合在测试集中进行推荐模型预估，最后对推荐模型效果进行离线评估得到最终推荐结果。 | ||
| 搜索关键词： | 记忆网络 实时模块 协同过滤 在线推荐系统 离线训练 用户请求 近线 离线 预处理 缓存 预估 用户请求数据 分布式缓存 集群分布式 增量式更新 长期偏好 离线评估 模型加载 模型效果 文件系统 线上评估 消息队列 编码器 特征池 分发 终端 测试 输出 挖掘 | ||
【主权项】：
1.一种基于协同过滤和长短记忆网络的在线推荐系统，其特征在于，包括：实时模块、近线模块和离线模块，其中：实时模块实时接受用户请求，经预处理后输出至若干终端搭建的HDFS集群分布式文件系统，同时根据请求进行实时推荐和线上评估；近线模块从实时模块获得用户请求数据，并实时将请求通过消息队列分发到分布式缓存中，并使用用户请求中的特征对推荐模型进行离线训练，离线训练完成的推荐模型加载缓存中的数据进行增量式更新；离线模块从特征池中加载特征，之后使用推荐模型在训练集中进行训练，训练完成后的推荐模型通过自编码器实现协同过滤来挖掘用户的长期偏好，从而可以与长短记忆网络结合在测试集中进行推荐模型预估，最后对推荐模型效果进行离线评估得到最终推荐结果；所述的特征包括：用户访问本系统时的日志，包括用户ID、访问时间、访问的商品页面和浏览时长信息；所述的离线模块中包含推荐模型，该推荐模型包括：实现基于用户的协同过滤的自编码器和长短记忆网络。
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上海交通大学，未经上海交通大学许可，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/201811567618.0/，转载请声明来源钻瓜专利网。
