[发明专利]一种基于深度学习的电影推荐方法在审
| 申请号： | 201711374649.X | 申请日： | 2017-12-19 |
| 公开（公告）号： | CN107944049A | 公开（公告）日： | 2018-04-20 |
| 发明（设计）人： | 沈琦;刘康迪 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 北京汇信合知识产权代理有限公司11335 | 代理人： | 夏静洁 |
| 地址： | 100124 *** | 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电影推荐方法，采用Replicated Softmax模型作为受限玻尔兹曼机的可见层，将用户数据预处理成二维向量input(评分，电影)输入至Replicated Softmax模型中；随机初始化学习参数，可见层与隐藏层逐层正反向推断，通过吉布斯采样分别获得隐藏层状态和可见层的softmax状态；完成采样后利用对比散度法进行快速学习，不断调参、迭代，训练出适配该用户的模型。本发明对传统的条件受限玻尔兹曼机进行改进，设计了一个适配以电影评分为基准的条件受限玻尔兹曼机；本发明能够解决传统协同过滤推荐算法存在的过拟合、冷启动等问题。 | ||
| 搜索关键词： | 一种 基于 深度 学习 电影 推荐 方法 | ||
【主权项】：
一种基于深度学习的电影推荐方法，其特征在于，包括：步骤1、采用Replicated Softmax模型作为受限玻尔兹曼机的可见层，基于上述改进的受限玻尔兹曼机构建深度玻尔兹曼机；步骤2、将用户数据预处理成二维向量input(评分，电影)输入至Replicated Softmax模型中；步骤3、深度玻尔兹曼机随机初始化学习参数，所述学习参数包括权值参数和偏好参数；步骤4、从可见层向隐藏层逐层正向推断，并从隐藏层向可见层逐层反向推断；步骤5、通过吉布斯采样分别获得隐藏层状态和可见层的softmax状态；步骤6、完成采样后利用对比散度法进行快速学习，不断地对学习参数进行调整，不断迭代上述操作，最后训练出适配该用户的模型。
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北京工业大学，未经北京工业大学许可，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/patent/201711374649.X/，转载请声明来源钻瓜专利网。
