[发明专利]融合node2vec和深度神经网络的隐式反馈推荐方法有效
| 申请号： | 201810965309.2 | 申请日： | 2018-08-22 |
| 公开（公告）号： | CN109190030B | 公开（公告）日： | 2022-04-05 |
| 发明（设计）人： | 何瑾琳;刘学军;张欣;李斌;徐新艳 | 申请（专利权）人： | 南京工业大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06N3/04;G06N3/08 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 朱少华;刘丰 |
| 地址： | 210009 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合node2vec和深度神经网络的隐式反馈推荐方法，属于数据处理技术领域。本发明包括获取用户潜在向量和项目潜在向量的步骤；获取用户上下文预测和项目上下文预测的步骤；产生用户对项目偏好预测并进行训练的步骤；共同训练的步骤。本发明可以很好地考虑到用户和项目丰富的元数据信息，具有较高的推荐精确度和模型的训练效率。 | ||
| 搜索关键词： | 融合 node2vec 深度 神经网络 反馈 推荐 方法 | ||
【主权项】：
1.融合node2vec和深度神经网络的隐式反馈推荐方法，其特征在于，包括：获取用户潜在向量和项目潜在向量的步骤：将one‑hot形式的用户和项目作为输入向量，通过全连接嵌入层，将用户和项目向量映射为稠密向量，获得用户和项目潜在向量；获取用户上下文预测和项目上下文预测的步骤：将用户潜在向量和项目潜在向量分别输入到上下文层，通过结合元数据，利用node2vec的随机游走策略来保留用户和项目之间的上下文信息；产生用户对项目偏好预测并进行训练的步骤：将用户潜在向量和项目潜在向量进行融合，采用基于深度神经网络的偏好学习方法，在偏好预测层模拟用户和项目之间的交互，使用输出层产生的偏好预测来学习用户对项目的偏好；共同训练的步骤：通过用户上下文预测、项目上下文预测和用户对项目偏好预测来共同训练模型。
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南京工业大学，未经南京工业大学许可，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/201810965309.2/，转载请声明来源钻瓜专利网。
