[發明專利]一種個性化推薦方法及裝置

有效

• 申請號: 201910112704.0
• 申請日: 2019-02-13
• 公開（公告）號: CN109871485B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 李建欣;邰振贏;包夢蛟;閆昊;唐彬;彭浩
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04
• 代理公司: 北京中創陽光知識產權代理有限責任公司 11003
• 代理人: 尹振啟

本申請公開了一種個性化推薦方法及裝置，包括：預處理階段，對樣本特征進行重編碼處理，得到稀疏編碼；將所述稀疏編碼輸入到相應的嵌入層，經所述嵌入層基于域敏感分解機對所述稀疏編碼進行運算，得到稠密表示；神經網絡訓練階段，基于標注的推薦標簽信息，使用梯度下降法對所述神經網絡進行訓練；模型預測階段，將所述稠密表示輸入到神經網絡的隱藏層，經所述隱藏層對所述稠密表示進行處理，得到推薦預測結果。

技術領域

本申請涉及信息推薦技術，尤其涉及一種個性化推薦方法及裝置。

背景技術

隨著推薦技術的研究和發展，其應用領域也越來越多。例如，新聞推薦、商務推薦、娛樂推薦、學習推薦、生活推薦、決策支持等。推薦方法的創新性、實用性、實時性、簡單性也越來越強。例如，上下文感知推薦、移動應用推薦、從服務推薦到應用推薦。然而目前的推薦方法在高效方面和精準方面都有待提高。

申請內容

為解決上述技術問題，本申請實施例提供了一種個性化推薦方法及裝置。

本申請實施例提供的個性化推薦方法，包括：

對樣本特征進行重編碼處理，得到稀疏編碼；

將所述稀疏編碼輸入到相應的嵌入層，經所述嵌入層基于域敏感分解機(Field-aware FactorizationMachines，FFM)對所述稀疏編碼進行運算，得到稠密表示；

基于標注的推薦標簽信息，使用梯度下降法對所述神經網絡進行訓練；

將所述稠密表示輸入到神經網絡的隱藏層，經所述隱藏層對所述稠密表示進行處理，得到推薦預測結果。

本申請實施例提供的個性化推薦裝置，包括：

預處理模塊，用于對樣本特征進行重編碼處理，得到稀疏編碼；

處理模塊，用于將所述稀疏編碼輸入到相應的嵌入層，經所述嵌入層基于FFM對所述稀疏編碼進行運算，得到稠密表示；基于標注的推薦標簽信息，使用梯度下降法對所述神經網絡進行訓練；將所述稠密表示輸入到神經網絡的隱藏層，經所述隱藏層對所述稠密表示進行處理，得到推薦預測結果。

采用本申請實施例的上述技術方案，在神經網絡的嵌入層中引入FFM，得到的稠密表示再經過神經網絡的隱藏層進行處理，如何，可以快速高效地得到推薦結果，并且得到的推薦結果的精確度較高，為信息的個性化推薦提供了有力的技術支持。

附圖說明

圖1為本申請實施例提供的個性化推薦方法的流程示意圖；

圖2為本申請實施例提供的神經網絡的架構圖；

圖3為本申請實施例提供的個性化推薦裝置的結構組成示意圖。

具體實施方式

現在將參照附圖來詳細描述本申請的各種示例性實施例。應注意到：除非另外具體說明，否則在這些實施例中闡述的部件和步驟的相對布置、數字表達式和數值不限制本申請的范圍。

同時，應當明白，為了便于描述，附圖中所示出的各個部分的尺寸并不是按照實際的比例關系繪制的。

以下對至少一個示例性實施例的描述實際上僅僅是說明性的，決不作為對本申請及其應用或使用的任何限制。

對于相關領域普通技術人員已知的技術、方法和設備可能不作詳細討論，但在適當情況下，所述技術、方法和設備應當被視為說明書的一部分。

應注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步討論。