[发明专利]基于深度学习的互联网用户注意力指数计算方法和系统在审
| 申请号： | 201710804848.3 | 申请日： | 2017-09-08 |
| 公开（公告）号： | CN107977397A | 公开（公告）日： | 2018-05-01 |
| 发明（设计）人： | 庄浩;张均贺;蔡恒;张继勇 | 申请（专利权）人： | 华瑞新智科技（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04 |
| 代理公司： | 北京理工大学专利中心11120 | 代理人： | 温子云,仇蕾安 |
| 地址： | 100081 北京市海淀区中关*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的互联网用户注意力指数计算方法，采集并处理多个互联网平台的各种类型数据，提取反映用户注意力的有效信息；将步骤1提取的有效信息写成词分布式表示矩阵；词分布式表示矩阵输入到多层深度网络学习模型的每一层算法模型中；根据设定选择多层深度网络学习模型中1层或1层以上的算法模型参与运算，参与运算的算法模型中必须有1层是深度算法模型；参与运算的每层算法模型均输出重要词及其权重；根据多层深度网络学习模型中每一层算法模型输出的重要词及其权重，计算互联网用户注意力。本发明从多维度获取数据，使得注意力指数结果能够全面反映真实情况，提高了注意力指数的计算准确度。 | ||
| 搜索关键词： | 基于 深度 学习 互联网 用户 注意力 指数 计算方法 系统 | ||
【主权项】：
一种基于深度学习的互联网用户注意力指数计算方法，其特征在于，包括如下步骤：步骤1、采集并处理多个互联网平台的各种类型数据，提取反映用户注意力的有效信息；步骤2、将步骤1提取的有效信息写成词分布式表示矩阵；步骤3、词分布式表示矩阵输入到多层深度网络学习模型的每一层算法模型中；所述多层深度网络学习模型中包括n层算法模型，如果n＝1，则多层深度网络学习模型仅包括1层深度算法模型，如果n≥2，多层深度网络学习模型中的1层为深度算法模型，其他层可以为深度算法模型或基本算法模型；根据设定选择1层或1层以上的算法模型参与运算，参与运算的算法模型中必须有1层是深度算法模型；参与运算的每层算法模型均输出重要词及其权重；步骤4、根据多层深度网络学习模型中每一层算法模型输出的重要词及其权重，计算互联网用户注意力。
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华瑞新智科技（北京）有限公司，未经华瑞新智科技（北京）有限公司许可，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/patent/201710804848.3/，转载请声明来源钻瓜专利网。
