[发明专利]一种面向用户动态偏好挖掘的节目嵌入方法在审
| 申请号： | 201811322845.7 | 申请日： | 2018-11-08 |
| 公开（公告）号： | CN109460427A | 公开（公告）日： | 2019-03-12 |
| 发明（设计）人： | 温雯;林泽钿;蔡瑞初;郝志峰;陈炳丰 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458 |
| 代理公司： | 广州市红荔专利代理有限公司 44214 | 代理人： | 吴伟文 |
| 地址： | 510006 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种面向用户动态偏好挖掘的节目嵌入方法，包括：读入点击行为序列集S；将点击节目表示为低维向量，并初始化输入特征向量和输出特征向量；然后使用训练样本集对节目特征向量进行优化；结合用户当前时刻的上下文节目的输入特征向量，刻画用户当前时刻的兴趣。本发明通过使用改进的词嵌入模型将节目特征进行降维，舍弃了以往完全使用时间作为用户偏好变化影响因子的做法，而采用行为窗口对目标节目进行建模，有效的避免了用户行为在固定的时间区间上可能存在的稀疏性，并且通过最大化条件概率是的学习到的节目向量表示能够有效地刻画用户偏好，克服了现有方法存在的不足和局限性。且学到的向量表示是稠密低维的。 | ||
| 搜索关键词： | 向量 嵌入 输入特征向量 节目特征 面向用户 用户偏好 节目 低维 偏好 刻画 训练样本集 点击行为 节目向量 目标节目 时间区间 输出特征 条件概率 向量表示 影响因子 用户行为 挖掘 初始化 固定的 稀疏性 序列集 有效地 最大化 读入 建模 降维 稠密 舍弃 优化 改进 学习 | ||
【主权项】：
1.一种面向用户动态偏好挖掘的节目嵌入方法，其特征在于，包括以下步骤：S1)、读入点击行为序列集S；S2)、将点击节目表示为低维向量，并初始化输入特征向量和输出特征向量，特征向量的维度大小由用户指定；其中，每个节目包括一个输入特征向量和一个输出特征向量；S3)、根据序列集S构建训练样本集；S4)、然后使用训练样本集对节目特征向量进行优化；S5)、输出优化后的节目输入和输出特征向量表示；S6)、结合用户当前时刻的上下文节目的输入特征向量，刻画用户当前时刻的兴趣。
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广东工业大学，未经广东工业大学许可，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/201811322845.7/，转载请声明来源钻瓜专利网。
