[发明专利]融合卷积神经网络和显式反馈的矩阵分解方法、装置及电子设备有效
| 申请号： | 201811453628.1 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109800853B | 公开（公告）日： | 2022-11-08 |
| 发明（设计）人： | 曾碧卿;商齐 | 申请（专利权）人： | 华南师范大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 广州骏思知识产权代理有限公司 44425 | 代理人： | 吴静芝 |
| 地址： | 528225 广东省佛山市*** | 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： | 本发明涉及一种融合卷积神经网络和显式反馈的矩阵分解方法、装置及电子设备。方法包括如下步骤：将物品的用户描述文档表示为词向量矩阵；将用户对物品的评分集合映射为二进制向量；通过卷积注意力神经网络和堆叠降噪自动编码器分别获取物品和用户的隐含因子；对所述物品的隐含因子和所述用户的隐含因子求向量内积，得到预测评分矩阵；根据所述预测评分矩阵与真实评分矩阵之间的损失函数，优化所述卷积注意力神经网络和所述堆叠降噪自动编码器的参数。本发明的融合卷积神经网络和显式反馈的矩阵分解方法可解释性好，能减轻物品冷启动问题，并能改善数据稀疏问题，提高评分预测的准确率。 | ||
| 搜索关键词： | 融合 卷积 神经网络 反馈 矩阵 分解 方法 装置 电子设备 | ||
【主权项】：
1.一种融合卷积神经网络和显式反馈的矩阵分解方法，其特征在于，包括如下步骤：将物品的用户描述文档表示为词向量矩阵；将用户对物品的评分集合映射为二进制向量；将所述词向量矩阵输入卷积注意力神经网络，获取物品的隐含因子；将所述用户评分信息以及其对应的二进制向量输入堆叠降噪自动编码器，获取用户的隐含因子；通过概率矩阵分解交替更新用户隐含因子和物品隐含因子，对所述物品的隐含因子和所述用户的隐含因子求向量内积，得到用户对该物品的预测评分，并根据用户对于该物品的预测评分，建立预测评分矩阵；根据所述预测评分矩阵与真实评分矩阵之间的损失函数，使用误差反向传播算法，优化所述卷积注意力神经网络和所述堆叠降噪自动编码器的参数。
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华南师范大学，未经华南师范大学许可，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/201811453628.1/，转载请声明来源钻瓜专利网。
