[发明专利]一种基于生成对抗网络的隐语义推荐方法有效
| 申请号： | 201910425004.7 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110210933B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 陈望;郑海涛;汪杨;王伟;赵从志 | 申请（专利权）人： | 清华大学深圳研究生院 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06;G06Q30/02;G06F40/30 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 江耀纯 |
| 地址： | 518055 广东*** | 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： | 本发明涉及一种基于生成对抗网络的隐语义推荐方法，包括如下步骤：S1、生成网络模型基于评论信息来预测用户喜欢的top‑M商品列表以及最喜欢某个商品的top‑N用户列表；其中M和N为正整数；S2、用判别模型区分生成模型预测的分数与真实的分数；S3、利用最大最小化竞争算法，使生成网络模型和判别模型基于评论信息和评分信息更好地学习到用户画像和商品表征，从而提高个性化推荐的精准度，其中，使用同一个隐语义模型来生成用户画像商品表征：当把用户评论向量作为模型输入时，模型生成用户画像；当把商品评论向量作为模型输入时，模型生成商品表征；通过使用同一个隐语义模型来确保共享同一个隐语义空间。本发明能提高个性化推荐的准确性。 | ||
| 搜索关键词： | 一种 基于 生成 对抗 网络 隐语 推荐 方法 | ||
【主权项】：
1.一种基于生成对抗网络的隐语义推荐方法，其特征在于，包括如下步骤：S1、生成网络模型基于评论信息来预测用户喜欢的top‑M商品列表以及最喜欢某个商品的top‑N用户列表；其中M和N为正整数；S2、用判别模型区分生成模型预测的分数与真实的分数；S3、利用最大最小化竞争算法，使生成网络模型和判别模型基于评论信息和评分信息更好地学习到用户画像和商品表征，从而提高个性化推荐的精准度；其中，使用同一个隐语义模型来生成用户画像商品表征：当把用户评论向量作为模型输入时，模型生成用户画像；当把商品评论向量作为模型输入时，模型生成商品表征；通过使用同一个隐语义模型来确保共享同一个隐语义空间。
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清华大学深圳研究生院，未经清华大学深圳研究生院许可，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/201910425004.7/，转载请声明来源钻瓜专利网。
- 上一篇：窗帘专售的线上销售系统及其商业模式
- 下一篇：招标投标管理系统及方法
