[发明专利]基于深度神经网络的个性化推荐系统及方法有效
| 申请号： | 201810769873.7 | 申请日： | 2018-07-13 |
| 公开（公告）号： | CN108959603B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 字云飞;李业丽;孙华艳;陆利坤;游新冬 | 申请（专利权）人： | 北京印刷学院 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06N3/02 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王宝筠 |
| 地址： | 102600 北京市大*** | 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： | 本发明提供一种基于深度神经网络的个性化推荐系统及方法，通过融合深度神经网络的候选集生成模块，结合多用户和多项目特征进行深度神经网络学习生成候选集，以及基于融合深度神经网络的排序集生成模块，结合多用户和多项目特征对候选集进行深度神经网络学习和评分，生成包含个性化推荐内容更优的排序集，最后基于协同过滤算法和排序集进行进一步的个性化推荐，得到最终的推荐列表。通过上述方式结合多用户和多项目提升推荐过程的精准度，并结合协同过滤算法实现精准个性化推荐。从而提高了个性化推荐效率和用户使用感受。 | ||
| 搜索关键词： | 基于 深度 神经网络 个性化 推荐 系统 方法 | ||
【主权项】：
1.一种基于深度神经网络的个性化推荐系统，其特征在于，所述系统包括：与深度神经网络融合的候选集生成模块，用于对第一多源异构数据源中的多源异构数据进行特征向量化，得到对应用户的第一用户特征向量和对应项目的第一项目特征向量，以及基于所述深度神经网络、所述第一用户特征向量和所述第一项目特征向量，进行深度神经网络学习及相似度计算，生成包含相似度由高至低排列的N个项目的候选集；与深度神经网络融合的排序集生成模块，用于对第二多源异构数据源中的多源异构数据进行特征向量化，得到对应用户的第二用户特征向量和对应项目的第二项目特征向量，以及基于所述深度神经网络、所述第二用户特征向量、所述第二项目特征向量和所述候选集进行深度神经网络学习和评分，生成包含评分由高至低排列的k个项目的排序集；个性化推荐模块，用于基于协同过滤算法，计算所述排序集中k个项目的多用户‑项目相关度，生成包含相关度由高至低排列的M个项目的推荐列表，其中，k的取值小于N，M的取值小于k，k、N和M为实数。
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印刷学院，未经北京印刷学院许可，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/201810769873.7/，转载请声明来源钻瓜专利网。
