[发明专利]一种基于深度神经网络的上下文感知推荐方法

权利要求书

1.一种基于深度神经网络的上下文感知推荐方法，其特征在于，包括以下步骤：

步骤1、从历史数据库中获取所需用户和所需推荐对象，采用构建原始评分矩阵的方式描述不同用户对不同推荐对象的评分；

步骤2、对获取的每个用户的基本信息数据进行特征组合，为每个用户构建一个多维用户特征向量；

步骤3、对获取的每个推荐对象的文本信息，采用卷积神经网络算法进行文本特征提取，为每个推荐对象构建文本嵌入矩阵；

步骤4、根据原始评分矩阵，使用矩阵分解技术，得到用户潜在特征矩阵U和推荐对象潜在特征矩阵V；具体步骤如下：

步骤4-1、遍历原始评分矩阵，给分解后的U矩阵和V矩阵随机初始化元素值；

步骤4-2、将当前该用户的U矩阵中的元素与V矩阵对应位置元素相乘，获得该用户对推荐对象的评分；

步骤4-3、重复步骤4-3，获得所有用户对推荐对象的预测评分，得到预测评分矩阵；

步骤4-4、利用最小化损失函数公式，计算预测的分数和实际评分的分数误差；

步骤4-5、按照梯度下降算法更新U和V中的元素值；

步骤4-6、重复步骤4-3至步骤4-6，最小化预测评分和实际评分的误差，直到达到停止条件；

步骤5、利用深度神经网络对根据步骤4得到的推荐对象潜在特征矩阵和根据步骤3抽取的文本嵌入矩阵进行融合，得到高维的推荐对象特征向量；

步骤6、采用概率矩阵分解算法，连接步骤3的卷积神经网络结构和步骤4的矩阵分解结构，得到泛化后的评分信息；

步骤7、利用全连接层将步骤2，步骤5和步骤6的输出作为输入，进行联合训练，得到最终的预测评分；

步骤8、筛查原始评分矩阵，确定目标用户未给出评分的推荐对象，将这些推荐对象作为候选推荐对象，把该用户的用户信息和推荐对象信息，分别输入算法模型，获得该用户对这些候选推荐对象的潜在评分，将其中评分最高的一个或多个推荐对象推荐给该目标用户。

2.根据权利要求1所述的基于深度神经网络的上下文感知推荐方法，其特征在于，步骤1所述的原始评分矩阵，是根据一系列原始三元组评分记录构建而成，每个三元组包括用户ID、推荐对象ID和该用户对该推荐对象已经给出的评分，所述原始评分矩阵是稀疏矩阵。

3.根据权利要求1所述的基于深度神经网络的上下文感知推荐方法，其特征在于，步骤2所述的对每个用户的基本信息数据进行特征组合，为每个用户构建多维用户特征向量；

具体步骤如下：

步骤a、特征组合，具体公式如下：

其中，k表示第k个组合特征，i表示输入X的第i维特征，c_ki表示这个第i维度特征是否要参与第k个组合特征的构造，d表示输入X的维度；

步骤b、采用线性模型捕获线性关系，具体公式如下：

R_w＝w^Tx+b_w (2)

其中，特征X＝{x₁,x₂,...,x_d}是一个d维向量，W＝{w₁,w₂,...,w_d}为模型的参数。