[發明專利]一種基于深度學習的推薦方法

在審

• 申請號: 201911059150.9
• 申請日: 2019-11-01
• 公開（公告）號: CN110929148A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 楊勇;黃淑英;方玉明
• 申請（專利權）人: 楊勇
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/30;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 張煥響

1.一種基于深度學習的推薦方法，其特征在于，包括以下步驟：

步驟一：對推薦項目的內容進行劃分，將文本信息進行文本結構統一，形成內容文本；

步驟二：對內容文本進行數據預處理，具體包括對內容文本進行詞組拆分、語義提取、語義延伸和詞組重組；

步驟三：構建一個深度神經網絡模型，并訓練深度神經網絡模型，然后利用訓練好的深度神經網絡模型對經過數據預處理的內容文本進行特征提取；

步驟四：對提取的特征進過濾處理，然后基于過濾處理后的特征進行內容推薦。

2.根據權利要求1所述的一種基于深度學習的推薦方法，其特征在于：所述步驟一中對推薦項目的內容進行劃分時，具體為將推薦內容按照文本信息、圖片內容和鏈接三個類別進行劃分。

3.根據權利要求1所述的一種基于深度學習的推薦方法，其特征在于：所述步驟一中將文本信息進行文本結構統一，形成內容文本的具體過程為：將非結構化和半結構化的文本信息轉換成結構化的文本信息，形成內容文本，首先選擇文本信息的范圍，然后建立分類文本語料庫訓練文本信息。

4.根據權利要求1所述的一種基于深度學習的推薦方法，其特征在于：所述步驟二中對內容文本進行數據預處理前，需要先對內容文本進行壓縮處理，去除重復無用的詞組，具體為：建立兩個存放字符的列表來完成，并按照不同情況，將其放入list1或list2列表或觸發壓縮判斷，若得出重復則壓縮去除。

5.根據權利要求4所述的一種基于深度學習的推薦方法，其特征在于：所述壓縮去除的規則為：

如果讀入的當前字符與list1的首字符相同，而list2沒有放入的國際字符，則將這個字符放入list2中；

如果讀入的當前字符與list1的首字符相同，而list2也有國際字符，則觸發壓縮判斷，若得出重復，則進行壓縮去除，清空第二個列表；

如果讀入的當前字符與list1的首字符相同，而list2也有國際字符，則觸發壓縮判斷，若得出不重復，則清空兩個列表，把讀入的這個字符放入list1第一個位置；

如果讀入的當前字符與list1的首字符不相同，觸發壓縮判斷，如果得出重復，且列表所含國際字符數目大于等于2，則進行壓縮去除，清空兩個列表，把讀入的這個字符放入list1第一個位置；

如果讀入的當前字符與list1的首字符不相同，觸發壓縮判斷，若得出不重復，且list2沒有放入國際字符，則繼續在list1放入國際字符；

如果讀入的當前字符與list1的首字符不相同，觸發壓縮判斷，若得出不重復，且list2已放入國際字符，則繼續在list2放入國際字符；

讀完所有國際字符后，觸發壓縮判斷，對list1以及list2有意義部分進行比較，若得出重復，則進行壓縮去除。

6.根據權利要求1所述的一種基于深度學習的推薦方法，其特征在于：所述步驟二中對內容文本進行詞組拆分的具體過程為：將連續或不連續的內容文本按照短語或詞組的方式進行拆分，形成具有真實語義的短語或詞組。

7.根據權利要求6所述的一種基于深度學習的推薦方法，其特征在于：所述步驟二中的語義提取具體過程為：對經過詞組拆分后得到的短語或詞組進行語義提取；

所述語義延伸的具體過程為：對經過語義提取的短語或詞組進多角度的語義延伸，得到多個延伸短語或詞組；

所述詞組重組的具體過程為：將經過語義提取后的短語或詞組和延伸短語或詞組進行重組，得到重組內容文本。