[發明專利]一種基于詞驅動和上下文感知的評論推薦矩陣分解方法在審
| 申請號： | 201910069087.0 | 申請日： | 2019-01-24 |
| 公開（公告）號： | CN109903083A | 公開（公告）日： | 2019-06-18 |
| 發明（設計）人： | 蔡劍鋒;王倩倩;孫憶南 | 申請（專利權）人： | 深圳市四佳一實業有限公司 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02;G06Q30/06 |
| 代理公司： | 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411 | 代理人： | 趙娜 |
| 地址： | 518129 廣東省深圳市龍崗區坂田*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 評論 向量 上下文感知 驅動 矩陣分解 主題分布 卷積神經網絡 詞頻 分布網絡 概率矩陣 級聯模塊 模型效果 商品評論 捕獲 感知 分解 輸出 共享 預測 | ||
1.一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，包括以下步驟：
(1)利用潛在狄利克雷分布獲得評論的低級主題分布向量；
(2)將評論的低級主題分布向量輸入到深度潛在狄利克雷分布網絡獲得詞驅動評論表示向量；
(3)利用卷積神經網絡獲得評論的上下文感知評論表示向量；
(4)將詞驅動評論表示向量和上下文感知評論表示向量輸入到部分共享級聯模塊，輸出詞驅動和上文感知評論表示向量；
(5)將詞驅動和上文感知評論表示向量加入高斯噪聲作為商品表示向量，所有商品表示向量合并成商品表示矩陣；
(6)通過先驗生成用戶表示矩陣；
(7)將用戶表示矩陣和商品表示矩陣進行概率矩陣分解，得到用戶對商品的評分矩陣用于推薦。
2.如權利要求1所述的一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，所述步驟(2)具體包括：
(21)將低級主題分布向量復制后合并獲得低級主題分布矩陣；
(22)低級主題分布矩陣與深度潛在狄利克雷分布網絡第一層的參數矩陣逐元素乘，結果按行重排為向量；
(23)步驟(22)輸出向量輸入深度潛在狄利克雷分布網絡全連接層，輸出詞驅動評論表示向量。
3.如權利要求1所述的一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，所述步驟(3)具體包括：
(31)將預處理的評論表示向量輸入卷積神經網絡輸入層；
(32)輸入層輸出的向量經過卷積層和max-pooling層處理，捕獲上下文信息；
(33)卷積神經網絡輸出層輸出上下文感知的評論表示向量。
4.如權利要求1所述的一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，所述步驟(4)具體包括：
(41)將詞驅動評論表示向量和上下文感知評論表示向量的共享主題部分加權求和得到詞驅動和上下文感知評論表示向量共享主題部分；
(42)詞驅動評論表示向量的私有主題部分，上下文感知評論表示向量的私有主題部分和詞驅動和上文感知評論表示向量共享主題部分進行向量連接得到詞驅動和上文感知評論表示向量。
5.如權利要求1所述的一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，所述步驟(5)具體包括：
(51)詞驅動和上文感知評論表示向量加入高斯噪聲作為商品表示向量；
(52)所有商品表示向量合并成商品表示矩陣。
6.如權利要求1所述的一種基于詞驅動和上下文感知的評論推薦矩陣分解方法，其特征在于，步驟(6)中，所述先驗為零均值球形高斯分布先驗。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳市四佳一實業有限公司，未經深圳市四佳一實業有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910069087.0/1.html，轉載請聲明來源鉆瓜專利網。
