[发明专利]一种基于图模型的深度学习推荐系统及其方法有效

专利信息
申请号: 202010850352.1 申请日: 2020-08-21
公开(公告)号: CN112100486B 公开(公告)日: 2023-04-07
发明(设计)人: 李青山;褚华;歹杰;周洋涛 申请(专利权)人: 西安电子科技大学
主分类号: G06F16/9535 分类号: G06F16/9535;G06F18/25;G06N3/0464;G06N3/0455;G06N3/08
代理公司: 西安嘉思特知识产权代理事务所(普通合伙) 61230 代理人: 刘长春
地址: 710000 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 模型 深度 学习 推荐 系统 及其 方法
【权利要求书】:

1.一种基于图模型的深度学习推荐系统,其特征在于,包括用户行为数据融合模块、二部图信息传播模块和图卷积深度推荐模块,其中:

所述用户行为数据融合模块,用于将用户与项目的若干非评分交互数据依次进行向量转换、数据融合映射、信息转换得到“用户-项目”等价评分;

所述二部图信息传播模块,连接所述用户行为数据融合模块,用于根据所述“用户-项目”等价评分进行第一次二部图模型建模,并依次进行数据转换、信息传播、信息提取得到新的“用户-项目”等价评分作为推荐种子集;

所述图卷积深度推荐模块,连接所述二部图信息传播模块,用于根据所述推荐种子集进行第二次二部图模型建模,并依次对所述推荐种子集进行图卷积编码、转换融合、解码得到推荐结果;

图卷积编码层中用户与项目的隐式表达向量分别为:

ui=σ(Wuhi);

vi=σ(Wvhi);

其中,ui表示用户的隐式表达向量,Wu表示用户权重参数,vi表示项目的隐式表达向量,Wv表示项目权重参数,σ表示非线性激活函数,hi表示图卷积编码操作,图卷积编码操作hi表示为:

其中,merge()表示累加融合操作,mj→i,r、mj→i,R均表示新的二部图模型中结点转换的低维空间表达向量,r表示具体评分值,R表示评分值变量,Ni表示当前图卷积编码操作中待处理结点总数,其中,结点转换的低维空间表达向量mj→i,r表示为:

其中,ci,j表示结点的规范化常数,Wr表示新的二部图模型中各结点的权重参数,xj表示新的二部图模型中结点j的表示向量;

第二深度融合层中用户与项目转换融合的隐式表达向量分别为:

u'i=σ(Wuhi+Wifi);

v'i=σ(Wvhi+Wifi);

其中,u'i表示用户转换融合的隐式表达向量,v'i表示项目转换融合的隐式表达向量,Wi表示特征信息转换的权值参数,fi表示特征信息转换的低维空间表达向量,特征信息转换的低维空间表达向量fi表示为:

fi=σ(Wfxi+b);

其中,xi表示特征信息中的第i个表示向量,Wf表示特征信息处理的权重参数,b表示特征信息处理的偏置参数;

解码输出层中推荐结果表示为:

其中,g(ui',v'j)表示用户对项目的预测评分,E[]表示求期望值,表示预测评分值变量,表示预测评分在不同评分等级上的概率分布,概率分布表示为:

其中,Qr表示训练参数矩阵,Qs表示线性转换矩阵,[]T表示求转置。

2.根据权利要求1所述的基于图模型的深度学习推荐系统,其特征在于,所述用户行为数据融合模块包括数据输入层、第一深度融合层和评分输出层,其中:

所述数据输入层,用于将所述若干非评分交互数据进行离散化、向量化处理得到向量数据;

所述第一深度融合层,用于对所述向量数据进行融合映射处理得到深度隐空间中的“用户-项目”行为信息;

所述评分输出层,用于对所述深度隐空间中的“用户-项目”行为信息进行信息转换得到所述“用户-项目”等价评分。

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西安电子科技大学,未经西安电子科技大学许可,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/202010850352.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code