[發(fā)明專利]一種基于深度學習的評論推薦系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202010144247.6
• 申請日: 2020-03-04
• 公開（公告）號: CN111368197B
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計）人: 劉宇鵬;張曉晨
• 申請（專利權(quán)）人: 哈爾濱理工大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

一種基于深度學習的評論推薦系統(tǒng)及方法，屬于信息傳播技術(shù)領(lǐng)域。主要為了解決現(xiàn)有推薦系統(tǒng)只給出推薦評分從而存在推薦解釋能力差的問題。本發(fā)明所述系統(tǒng)使用字符和詞級雙向循環(huán)神經(jīng)網(wǎng)絡獲取評論文本特征表示；使用卷積神經(jīng)網(wǎng)絡獲取圖像特征；使用分解機神經(jīng)網(wǎng)絡獲得屬性特征表示；使用記憶機制解決推薦系統(tǒng)中用戶和產(chǎn)品的冷啟動問題。使用雙線性張量機制獲得用戶和產(chǎn)品間的關(guān)系共同生成評分和評論。主要用于信息傳播中的評論推薦。

技術(shù)領(lǐng)域

本發(fā)明涉及評論推薦系統(tǒng)及方法。屬于信息傳播技術(shù)領(lǐng)域。

背景技術(shù)

推薦系統(tǒng)是一類重要的智能化任務，其通過計算機強大的計算能力，給用戶推薦其感興趣的產(chǎn)品。隨著信息技術(shù)的發(fā)展和人們生活方式的改變，人們的生活開始越發(fā)依賴于信息，這其中包括對推薦信息的依賴。

推薦系統(tǒng)經(jīng)歷了協(xié)同過濾推薦，基于內(nèi)容的推薦，基于知識的推薦和混合推薦系統(tǒng)，逐漸發(fā)展到今天的基于深度學習的推薦系統(tǒng)。深度神經(jīng)網(wǎng)絡部分解決了梯度彌散和爆炸，在近幾年得到了迅猛發(fā)展，且在推薦系統(tǒng)上進行了應用并取得了良好效果。深度評論推薦方法的好處在于實現(xiàn)了端到端的推薦過程，不像傳統(tǒng)的推薦方法需要獨立抽取特征，把特征抽取和推薦模型的訓練放到一起來做，這種聯(lián)合模型的方法克服了傳統(tǒng)管道模型的錯誤傳播缺點。很多有推薦業(yè)務的公司(如Youtube，Amazon，Alibaba等)也把目光轉(zhuǎn)向了使用深度學習算法，也說明了深度評論推薦方法的前景。

發(fā)明內(nèi)容

本發(fā)明主要為了解決現(xiàn)有推薦系統(tǒng)只給出推薦評分從而存在推薦解釋能力差的問題。

一種基于深度學習的評論推薦系統(tǒng)，包括特征抽取單元、特征增強和組合單元、解碼單元；

(S1)所述特征抽取單元包括：

(S11)預處理模塊：獲得第s對用戶user_A和產(chǎn)品item_B對應的文本、圖像和屬性的初始表示形式；所述文本包括產(chǎn)品描述文本和產(chǎn)品評論文本，以及用戶評論文本；所述圖像為產(chǎn)品圖像；所述屬性包括產(chǎn)品屬性和用戶屬性；

針對文本中的詞/字符，使用分詞工具和詞嵌入工具進行處理，獲得文本的向量表示；

針對于圖像，圖像中的每個像素點利用三原色RGB數(shù)值來表示；

針對于屬性，利用特征值進行表示；

(S12)文本特征提取模塊：

針對產(chǎn)品描述文本進行特征提取，利用產(chǎn)品描述文本特征提取網(wǎng)絡獲得產(chǎn)品描述文本特征

針對產(chǎn)品評論文本進行特征提取，利用產(chǎn)品評論文本特征提取網(wǎng)絡獲得產(chǎn)品評論文本特征

針對用戶評論文本進行特征提取，利用用戶評論文本特征提取網(wǎng)絡獲得用戶評論文本特征

(S13)圖像特征提取模塊：

利用產(chǎn)品圖像特征提取網(wǎng)絡對產(chǎn)品的圖像進行特征提取，獲得產(chǎn)品圖像特征

(S14)屬性特征提取模塊：

針對產(chǎn)品屬性，利用獨熱編碼對于產(chǎn)品屬性進行特征編碼，即一階產(chǎn)品屬性特征；給定一階產(chǎn)品屬性特征，利用由特征向量矩陣參數(shù)化的雙池化層來獲取二階相互作用：

其中，P_i和P_j是P的第i個和第j個一階產(chǎn)品屬性特征；B的第i列是關(guān)于P_i的特征向量B_i，因此，B_i和B_j的特征向量分別對應著P_i和P_j；在雙池化層后獲得產(chǎn)品屬性特征

針對用戶屬性，利用與獲得產(chǎn)品屬性特征相同的方式獲得用戶屬性特征