[發(fā)明專利]一種基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法

在審

• 申請?zhí)枺?/td>: 202011180629.0
• 申請日: 2020-10-29
• 公開（公告）號: CN112287222A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計）人: 蔡樹彬;明仲;周槐楓;彭韜
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 劉芙蓉

1.一種基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述方法包括：

獲取待推薦內(nèi)容的源數(shù)據(jù)，并對所述源數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換處理，得到加權(quán)混合嵌入數(shù)據(jù)；

根據(jù)所述加權(quán)混合嵌入數(shù)據(jù)和深度殘差網(wǎng)絡(luò)模型，得到預(yù)測評分數(shù)據(jù)；

根據(jù)所述預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述對所述源數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換處理，得到加權(quán)混合嵌入數(shù)據(jù)包括：

獲取用戶與項目的協(xié)同關(guān)系數(shù)據(jù)；

提取所述待推薦內(nèi)容的源數(shù)據(jù)的特征值，得到特征值數(shù)據(jù)；

將所述特征值數(shù)據(jù)和所述用戶與項目的協(xié)同關(guān)系數(shù)據(jù)進行基于內(nèi)容的嵌入構(gòu)造，得到嵌入數(shù)據(jù)；

生成第一triplet loss訓(xùn)練器，并將所述嵌入數(shù)據(jù)輸入到所述第一triplet loss訓(xùn)練器，得到加權(quán)混合嵌入數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述提取所述待推薦內(nèi)容的源數(shù)據(jù)的特征值，得到特征值數(shù)據(jù)包括：

根據(jù)映射矩陣，將所述待推薦內(nèi)容的源數(shù)據(jù)進行線性降維處理，得到降維矩陣數(shù)據(jù)；

提取所述降維矩陣數(shù)據(jù)的特征值，得到特征值數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述根據(jù)所述加權(quán)混合嵌入數(shù)據(jù)和深度殘差網(wǎng)絡(luò)模型，得到預(yù)測評分數(shù)據(jù)包括：

根據(jù)所述加權(quán)混合嵌入數(shù)據(jù)，提取所述加權(quán)混合嵌入數(shù)據(jù)的異質(zhì)特征數(shù)據(jù)；

將所述加權(quán)混合嵌入數(shù)據(jù)和所述異質(zhì)特征數(shù)據(jù)進行線性拼接，得到深度殘差網(wǎng)絡(luò)輸入數(shù)據(jù)；

將所述深度殘差網(wǎng)絡(luò)輸入數(shù)據(jù)輸入到深度殘差網(wǎng)絡(luò)模型，得到預(yù)測評分數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述深度殘差網(wǎng)絡(luò)模型生成方式為：

獲取輸入樣本數(shù)據(jù)和輸出樣本數(shù)據(jù)；

生成第二triplet loss訓(xùn)練器，并根據(jù)所述第二triplet loss訓(xùn)練器，生成網(wǎng)絡(luò)模型；

將所述輸入樣本數(shù)據(jù)輸入到網(wǎng)絡(luò)模型得到網(wǎng)絡(luò)模型輸出數(shù)據(jù)；

當(dāng)所述網(wǎng)絡(luò)模型輸出數(shù)據(jù)和所述輸出樣本數(shù)據(jù)的平均絕對誤差率小于預(yù)設(shè)值，則停止迭代，得到深度殘差網(wǎng)絡(luò)模型。

6.根據(jù)權(quán)利要求5所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述根據(jù)預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果包括：

根據(jù)Baseline基線算法，得到基線算法結(jié)果；

根據(jù)所述基線算法結(jié)果和所述預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果。

7.根據(jù)權(quán)利要求6所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述根據(jù)所述基線算法結(jié)果和所述預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果包括：

根據(jù)基線算法結(jié)果，得到基線評分數(shù)據(jù),用戶偏差數(shù)據(jù)和項目偏差數(shù)據(jù)；

根據(jù)所述基線評分數(shù)據(jù)，所述用戶偏差數(shù)據(jù)和所述項目偏差數(shù)據(jù)，調(diào)整所述預(yù)測評分數(shù)據(jù)，得到目標(biāo)預(yù)測評分數(shù)據(jù)；

根據(jù)所述目標(biāo)預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果。

8.根據(jù)權(quán)利要求7所述的基于異質(zhì)特征深度殘差網(wǎng)絡(luò)的內(nèi)容推薦方法，其特征在于，所述根據(jù)所述目標(biāo)預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果還包括：

當(dāng)有新用戶、新項目引入時，將所述基線評分數(shù)據(jù)作為目標(biāo)預(yù)測評分數(shù)據(jù)，得到內(nèi)容的推薦結(jié)果。

9.一種智能終端，其特征在于，包括有存儲器，以及一個或者一個以上的程序，其中一個或者一個以上程序存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行所述一個或者一個以上程序包含用于執(zhí)行如權(quán)利要求1-8中任意一項所述的方法。

10.一種非臨時性計算機可讀存儲介質(zhì)，其特征在于，當(dāng)所述存儲介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時，使得電子設(shè)備能夠執(zhí)行如權(quán)利要求1-8中任意一項所述的方法。