[发明专利]基于深度学习的推荐方法和装置、电子设备、介质、程序在审
| 申请号： | 201810024218.9 | 申请日： | 2018-01-10 |
| 公开（公告）号： | CN108268934A | 公开（公告）日： | 2018-07-10 |
| 发明（设计）人： | 闵志宇;林达华 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06F17/30 |
| 代理公司： | 北京思源智汇知识产权代理有限公司 11657 | 代理人： | 毛丽琴 |
| 地址： | 100084 北京市海淀区中*** | 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： | 本发明实施例公开了一种基于深度学习的推荐方法和装置、电子设备、介质、程序，其中，方法包括：分别获取目标用户的相关信息和目标物品的相关信息；分别利用集成模型中的各子模型，基于目标用户的相关信息和目标物品的相关信息得到各所述子模型对应的操作概率；基于各所述子模型对应的操作概率得到目标用户操作目标物品的目标概率；基于目标概率为目标用户推荐所述目标物品。本发明上述实施例通过集成的至少两个子模型分别获得操作概率，再基于至少两个操作概率得到目标用户操作目标物品的目标概率，利用了各子模型之间的互补性，使各子模型专精的不同的数据分布得到互补，得到的概率值更能准确预测目标用户对目标物品点击的概率。 | ||
| 搜索关键词： | 子模型 目标物品 目标用户 相关信息 概率 目标概率 方法和装置 操作目标 电子设备 获取目标 集成模型 数据分布 预测目标 互补性 学习 | ||
【主权项】：
1.一种基于深度学习的推荐方法，其特征在于，包括：分别获取目标用户的相关信息和目标物品的相关信息；所述相关信息包括用于描述与用户的操作相关的，或与被操作的物品相关的任意一个或多个信息；分别利用集成模型中的各子模型，基于所述目标用户的相关信息和所述目标物品的相关信息得到各所述子模型对应的操作概率；所述操作概率用于表示基于一个子模型得到的所述目标用户操作所述目标物品的概率，所述集成模型包括至少两个子模型，所述集成模型经过对所述各子模型之间的关系进行训练获得；基于所述各子模型对应的操作概率得到所述目标用户操作所述目标物品的目标概率；基于所述目标概率为所述目标用户推荐所述目标物品。
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市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，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/201810024218.9/，转载请声明来源钻瓜专利网。
