[發明專利]一種基于深度聚類的資訊信息智能推薦方法

有效

• 申請號: 202011366221.2
• 申請日: 2020-11-29
• 公開（公告）號: CN112417289B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 廖南星;胡巖峰;段賀;包興;張堯;吳俊彥
• 申請（專利權）人: 中國科學院電子學研究所蘇州研究院
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06Q50/00;G06F18/23;G06N3/0464;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 封睿

1.一種基于深度聚類的資訊信息智能推薦方法，其特征在于，步驟如下：

步驟1，對來源不同的數據，在各自領域內對數據分別編碼，得到數據在各自領域內的向量表示；

步驟2，構建基于深度神經網絡的變分自編碼器，包括編碼器、解碼器兩部分，其中編碼器用于對給定向量進行壓縮處理，得到多源數據在統一向量空間下的嵌入向量表示，該嵌入向量包含了輸入數據的類別信息；解碼器用于根據嵌入向量進行數據重建；

步驟3，綜合重構損失、參數重整化約束和聚類損失構建損失函數，訓練基于深度神經網絡的變分自編碼器，確定網絡模型層數、權值、重參數的最優組合，以及基于該變分自編碼器的聚類中心；

步驟4，基于訓練好的變分自編碼器，確定給定感興趣信息的嵌入向量表示，根據感興趣信息的嵌入向量到各聚類中心的距離，完成資訊信息智能推薦。

2.根據權利要求1所述的基于深度聚類的資訊信息智能推薦方法，其特征在于，步驟1中，對來源不同的數據，在各自領域內對數據分別編碼，使用的是卷積神經網絡，其中文本信息由于其特殊性，需要先用詞向量方法獲得其初始向量表示，再利用卷積神經網絡提取編碼特征；圖像、視頻則直接利用卷積神經網絡提取編碼特征。

3.根據權利要求1所述的基于深度聚類的資訊信息智能推薦方法，其特征在于，步驟3中，采用并行計算架構訓練模型。

4.根據權利要求1所述的基于深度聚類的資訊信息智能推薦方法，其特征在于，步驟4中，基于訓練好的變分自編碼器，確定給定感興趣信息的嵌入向量表示，根據感興趣信息的嵌入向量到各聚類中心的距離，完成資訊信息智能推薦，具體方法為：基于自編碼器聚類，內容相關聯的資訊信息會在訓練過程中歸為同一類別，記聚類類別數為J，每個類別中心向量為J_i，表示數據的一個潛在屬性，對于給定感興趣信息a，使用編碼器計算其隱變量表示z_a，根據用戶意愿確定每個屬性的權重參數β_i，z_a到各聚類中心的距離加權和表示為：則推薦信息S來自與z_a距離近的推薦信息：

其中d為距離函數，具體計算方式由用戶選擇決定。

5.一種基于深度聚類的資訊信息智能推薦系統，其特征在于，基于權利要求1-4任一項所述的方法進行資訊信息智能推薦。

6.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現權利要求1-4任一項所述的方法進行資訊信息智能推薦。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-4任一項所述的方法進行資訊信息智能推薦。