[發明專利]一種創建跨域遷移深度網絡的方法及設備

有效

• 申請號: 201710823201.5
• 申請日: 2017-09-13
• 公開（公告）號: CN107609116B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 程大偉;楊芳洲
• 申請（專利權）人: 星環信息科技（上海）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06F40/284
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 佘猛;邵棟

1.一種創建跨域遷移深度網絡的方法，其中，所述方法包括：

獲取用戶在一個或多個產品領域內的樣本數據，其中，所述樣本數據包括用戶的個人信息、產品信息及用戶與產品的歷史交互信息；

對所述樣本數據進行數據處理，得到特征數據，并根據所述特征數據中的用戶與產品的歷史交互信息，構建訓練數據集中的正樣本及負樣本；

構建跨域遷移深度網絡的關系層，其中，所述關系層包括輸入層、嵌入層、隱藏層和輸出層，根據不同高維稀疏的特征確定對應的隱藏層的深度和神經元數量，其中，不同高維稀疏的特征對應的隱藏層的最大深度的頂層包含相同數量的神經元，不同高稀疏的特征是由對所述樣本數據進行數據處理得到的；

基于所構建的關系層，根據所述訓練數據集對所述跨域遷移深度網絡進行訓練，得到訓練后的跨域遷移深度網絡模型；

獲取用戶在待測產品領域的一個或多個候選產品；

通過訓練后的跨域遷移深度網絡模型對所述一個或多個候選產品進行預測，得到用戶對于每一候選產品的偏好值；

基于用戶對于候選產品的偏好值，將最大偏好值對應的產品推薦至用戶；

其中，所述構建跨域遷移深度網絡的關系層包括：

通過所述輸入層接收用戶特征和/或各產品特征的高維稀疏的特征；

在嵌入層將所述輸入層中的高維稀疏的特征按相同離散變量映射至預設長度的低維實數向量；

將所述低維實數向量在所述隱藏層中進行全連接，得到相同維度的隱式特征向量，其中，所述隱式特征向量包括用戶的隱式特征向量及各產品之間的隱式特征向量；

輸出層基于用戶的隱式特征向量及各產品之間的隱式特征向量確定所述用戶對于各產品的偏好值。

2.根據權利要求1所述的方法，其中，對所述樣本數據進行數據處理，包括：

抽取所述樣本數據的用戶特征和/或產品特征，對所述用戶特征和/或產品特征對應的數據進行數據處理。

3.根據權利要求2所述的方法，其中，抽取所述樣本數據的用戶特征和/或產品特征，對所述用戶特征和/或產品特征對應的數據進行數據處理，包括：

抽取所述樣本數據中的用戶特征和/或產品特征，對所述用戶特征和/或產品特征中的連續值進行離散處理，得到離散區間值；

對經離散處理得到的離散區間值及所述用戶特征和/或產品特征中的離散值進行獨熱編碼處理，得到高維稀疏的特征。

4.根據權利要求2所述的方法，其中，抽取所述樣本數據中的產品特征，包括：

從所述樣本數據中的產品信息的文字信息中抽取所述產品特征。

5.根據權利要求4所述的方法，其中，從所述樣本數據中的產品信息的文字信息中抽取所述產品特征，包括：

對所述樣本數據中的產品信息的文本文字信息進行詞向量處理，將得到的高維稀疏的詞向量歸屬于所述產品特征。

6.根據權利要求1所述的方法，其中，所述方法還包括：

基于預設的激活函數確定所述用戶及各產品之間的隱式特征。

7.根據權利要求1所述的方法，其中，根據所述訓練數據集對所述跨域遷移深度網絡進行訓練，包括：

若所述訓練數據集中包含不同產品領域的數據，則通過梯度下降方式訓練所述跨域遷移深度網絡。