[发明专利]一种基于改进因子分解机的个性化推荐方法

权利要求书

1.一种基于改进因子分解机的个性化推荐方法，其特征在于，包括以下步骤：

S1.获取用户历史行为数据；

S2.将用户历史行为数据转换成用户数*物品数的矩阵格式，并进行one-hot编码处理；处理后的数据分为训练数据和测试数据；

S3.构建由因子分解机和深度神经网络组成的模型；

S4.通过步骤S2得到的训练数据对模型进行训练，得到优化模型；

S5.将步骤S2得到的测试数据输入到优化模型中，得出个性化推荐结果。

2.根据权利要求1所述的一种基于改进因子分解机的个性化推荐方法，其特征在于，所述步骤S3中，因子分解机的模型增添特征组合，具体如下：

上式中，特征X_i和特征X_j之间的关联特征权重W_ij由特征X_i和特征X_j所对应的隐向量V_i和V_j的内积表示。

3.根据权利要求2所述的一种基于改进因子分解机的个性化推荐方法，其特征在于，将所述因子分解机中隐向量的内积改进为平方欧式距离；

具体为：通过学习每个特征X_i的嵌入向量和平移向量用平方欧氏距离代替内积来度量特征之间的交互强度：

4.根据权利要求1所述的一种基于改进因子分解机的个性化推荐方法，其特征在于，所述步骤S3构建的由因子分解机和深度神经网络组成的模型如下：

因子分解机y_FM和深度神经网络y_DNN的输出共同经过sigmoid激活函数得到的输出作为整个模型的输出

5.根据权利要求4所述的一种基于改进因子分解机的个性化推荐方法，其特征在于，所述深度神经网络y_DNN中，其中m表示输入的个数，x_k表示第k个输入，w_k表示第k个特征的权重，b表示偏差。