[發明專利]基于Leaky-ConvCross安全課程推薦引擎排序方法

有效

• 申請號: 202011003189.1
• 申請日: 2020-09-22
• 公開（公告）號: CN111967949B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 賀小明;賀蕊;張明;艾慶崴;劉兵
• 申請（專利權）人: 武漢博晟安全技術股份有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06Q10/0631;G06F18/214;G06N3/0464;G06N3/098
• 代理公司: 武漢天領眾智專利代理事務所(普通合伙) 42300
• 代理人: 高蘭

1.基于Leaky-ConvCross安全課程推薦引擎排序方法，其特征在于，具體包括以下步驟：

S1：將收集到的用戶行為數據集進行預處理，然后分為訓練數據集和測試數據集；S1中數據集的預處理步驟包括：用戶行為數據分為用戶特征數據和課程特征數據，將用戶特征數據中的連續型變量和課程特征中的類別型變量進行獨熱編碼，將獨熱編碼后的用戶特征及課程特征拼接起來，形成用戶與課程的特征數據，作為模型的輸入，用戶行為中用戶對課程的偏好度作為模型的輸出；所述用戶特征數據包括：用戶行業、崗位、地區、活躍度，其中用戶行業、崗位、地區屬于連續型變量；所述課程特征數據包括：類型、課程行業、試題大小、課件大小，其中類型、課程行業屬于類別型變量；

S2：構建Leaky-ConvCross網絡模型：包括依次連接的嵌入堆疊層、交叉卷積層和組合輸出層，交叉卷積層包括并列的cross網絡和Conv網絡，在Cross網絡后加有一層激活層，使用LeakyReLU激活函數；S2中嵌入堆疊層包括Embedding層和Dense層，Embedding層用于處理經獨熱編碼后的稀疏特征，Dense層用于處理用戶行為中的密集特征；

S3：訓練模型：將S1中已經預處理好的訓練數據集輸入到S2搭建的網絡模型中訓練，直至模型的損失值趨于穩定，模型收斂，得到訓練完成后的Leaky-ConvCross網絡模型；Conv網絡包括兩個卷積-池化層，卷積層的卷積核大小為1*2，步長為2，在矩陣邊緣使用零值填充；池化層大小為1*2，步長為2，采用Maxpooling，在矩陣邊緣使用零值填充；

S4：測試：將測試數據集作為輸入，訓練完成的網絡模型輸出測試結果。

2.根據權利要求1所述的基于Leaky-ConvCross安全課程推薦引擎排序方法，其特征在于，Embedding輸入層神經元個數為102，Embedding輸出層神經元個數為35，Dense輸入層神經元個數為5，cross網絡層數為5，Conv網絡的卷積層層數為2，Conv網絡的池化層層數為5。

3.根據權利要求1所述的基于Leaky-ConvCross安全課程推薦引擎排序方法，其特征在于，S3中在訓練模型時，采用RMSProp優化器。