[发明专利]评分预测方法和装置在审
| 申请号： | 201810427447.5 | 申请日： | 2018-05-07 |
| 公开（公告）号： | CN108665308A | 公开（公告）日： | 2018-10-16 |
| 发明（设计）人： | 贺樑;陈璐 | 申请（专利权）人： | 华东师范大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06N3/04 |
| 代理公司： | 上海华诚知识产权代理有限公司 31300 | 代理人： | 徐颖聪 |
| 地址： | 200333 上*** | 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： | |||
| 搜索关键词： | 画像 预测 神经网络模型 方法和装置 记忆网络 矩阵分解 用户评论 非线性变换 注意力机制 分解算法 生成步骤 数据领域 数值信息 特征生成 文本信息 训练矩阵 预测结果 预测目标 优化 迁移 分解 | ||
1.一种评分预测方法，用于预测用户和物品的画像的评分，其特征在于，包括：
生成步骤：通过构造对于所述物品的用户评论的神经网络模型，以生成所述用户和所述物品两者的画像；
预测步骤：通过利用所述用户和所述物品的所述画像优化矩阵分解模型，并训练所述矩阵分解模型以预测目标评分；
其中，所述神经网络模型为长短时记忆网络模型，通过在所述长短时记忆网络模型中使用注意力机制提取所述用户和所述物品的特征，根据所述特征生成所述画像；和
通过非线性变换将所述用户和所述物品的所述画像加入所述矩阵分解模型。
2.根据权利要求1所述的评分预测方法，其特征在于，所述矩阵分解模型同时学习所述用户评论和所述物品的用户评分。
3.根据权利要求2所述的评分预测方法，其特征在于，所述矩阵分解模型的目标函数为：
其中，rij表示真实的评分值，表示所述矩阵分解模型预测的评分值，ui和vj分别表示矩阵分解模型中的用户i和商品j的特征矩阵，Wvj和Wui是参数矩阵，λ1、λ2和λ3都是用于避免过拟合的修正因子。
4.根据权利要求3所述的评分预测方法，其特征在于，所述目标评分的预测公式为：
其中，u′i和v′j分别表示所述神经网络模型中的用户i和商品j的特征矩阵，μ表示所有样本的平均评分值。
5.一种评分预测装置，用于预测用户和物品的画像的评分，其特征在于，包括：
生成模块：用于通过构造对于所述物品的用户评论的神经网络模型，以生成所述用户和所述物品两者的画像；
预测模块：用于通过利用所述用户和所述物品的所述画像优化矩阵分解模型，并训练所述矩阵分解模型以预测目标评分；
其中，所述神经网络模型为长短时记忆网络模型，通过在所述长短时记忆网络模型中使用注意力机制提取所述用户和所述物品的特征，根据所述特征生成所述画像；和
通过非线性变换将所述用户和所述物品的所述画像加入所述矩阵分解模型。
6.根据权利要求5所述的评分预测装置，其特征在于，所述矩阵分解模型同时学习所述用户评论和所述物品的用户评分。
7.根据权利要求6所述的评分预测装置，其特征在于，所述矩阵分解模型的目标函数为：
其中，rij表示真实的评分值，表示所述矩阵分解模型预测的评分值，ui和vj分别表示矩阵分解模型中的用户i和商品j的特征矩阵，Wvj和Wui是参数矩阵，λ1、λ2和λ3都是用于避免过拟合的修正因子。
8.根据权利要求7所述的评分预测装置，其特征在于，所述目标评分的预测公式为：
其中，u′i和v′j分别表示所述神经网络模型中的用户i和商品j的特征矩阵，μ表示所有样本的平均评分值。
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华东师范大学，未经华东师范大学许可，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/pat/books/201810427447.5/1.html，转载请声明来源钻瓜专利网。
