[发明专利]一种基于深度学习的推荐方法

说明书

本发明公开了一种基于深度学习的推荐方法，包括以下步骤：对推荐项目的内容进行划分，将文本信息进行文本结构统一；对内容文本进行数据预处理，具体包括对内容文本进行词组拆分、语义提取、语义延伸和词组重组；利用训练好的深度神经网络模型对经过数据预处理的内容文本进行特征提取；对提取的特征进过滤处理，然后基于过滤处理后的特征进行内容推荐；本发明通过对推荐内容的文本信息进行多级处理，能够对文本信息的语义内容进行精确深度获取，然后利用深度神经网络模型对深度化的内容文本进行训练，可以得出最优输出，保证推荐内容丰富度和准确性高。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于深度学习的推荐方法。

背景技术

推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。与搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖，目前的推荐系统主要分为三类：基于内容的推荐系统、基于协同过滤的推荐系统和混合型推荐系统；

深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示；

现有的基于深度学习的推荐方法，在过程中往往只对主要的几个重要信息进行提取特征，导致推荐内容信息不全面，深层次挖掘和理解推荐项目的文本内容信息对准确推荐至关重要，因此，本发明提出一种基于深度学习的推荐方法，以解决现有技术中的不足之处。

发明内容

针对上述问题，本发明提出一种基于深度学习的推荐方法，通过对推荐内容的文本信息进行多级处理，能够对文本信息的语义内容进行精确深度获取，然后利用深度神经网络模型对深度化的内容文本进行训练，可以得出最优输出，保证推荐内容丰富度和准确性高。

本发明提出一种基于深度学习的推荐方法，包括以下步骤：

步骤一：对推荐项目的内容进行划分，将文本信息进行文本结构统一，形成内容文本；

步骤二：对内容文本进行数据预处理，具体包括对内容文本进行词组拆分、语义提取、语义延伸和词组重组；

步骤三：构建一个深度神经网络模型，并训练深度神经网络模型，然后利用训练好的深度神经网络模型对经过数据预处理的内容文本进行特征提取；

步骤四：对提取的特征进过滤处理，然后基于过滤处理后的特征进行内容推荐。

进一步改进在于：所述步骤一中对推荐项目的内容进行划分时，具体为将推荐内容按照文本信息、图片内容和链接三个类别进行划分。

进一步改进在于：所述步骤一中将文本信息进行文本结构统一，形成内容文本的具体过程为：将非结构化和半结构化的文本信息转换成结构化的文本信息，形成内容文本，首先选择文本信息的范围，然后建立分类文本语料库训练文本信息。

进一步改进在于：所述步骤二中对内容文本进行数据预处理前，需要先对内容文本进行压缩处理，去除重复无用的词组，具体为：建立两个存放字符的列表来完成，并按照不同情况，将其放入list1或list2列表或触发压缩判断，若得出重复则压缩去除。

进一步改进在于：所述压缩去除的规则为：

如果读入的当前字符与list1的首字符相同，而list2没有放入的国际字符，则将这个字符放入list2中；

如果读入的当前字符与list1的首字符相同，而list2也有国际字符，则触发压缩判断，若得出重复，则进行压缩去除，清空第二个列表；