[發明專利]基于生成對抗網絡的云展會內容推薦方法、系統及設備

有效

• 申請號: 202110684051.0
• 申請日: 2021-06-21
• 公開（公告）號: CN113139133B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 龍利民;陳功;李強
• 申請（專利權）人: 圖靈人工智能研究院（南京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京禾易知識產權代理有限公司 32320
• 代理人: 張松云

1.一種基于生成對抗網絡的云展會內容推薦方法，其特征在于：包括以下步驟：

第一步，構建生成器，用于生成用戶瀏覽行為score得分序列

S1-1、通過瀏覽行為模擬器獲取用戶瀏覽行為數據，其中，用戶瀏覽行為數據包括用戶特征數據以及內容特征數據；

S1-2、預設推薦系統，建立針對用戶特征數據與內容特征數據組合的score得分計算模型，其中，通過預設推薦系統得到所述score得分計算模型的具體實施方式為：

S1-21、獲取訓練樣本，其中，所述訓練樣本中至少標注有第一訓練特征信息和第二訓練特征信息，所述第一訓練特征信息用于表征用戶瀏覽行為數據的特征向量信息，所述第二訓練特征信息用于表征用戶特征數據與內容特征數據組合的score分值信息；

S1-22，采用所述第一訓練特征信息和第二訓練特征信息輸入至回歸模型同時進行訓練，得到score得分計算模型，其中，回歸模型包括線性回歸模型、多項式回歸模型、回歸樹模型或回歸森林模型；

S1-3、基于score得分計算模型計算得到用戶瀏覽行為數據score得分序列；

第二步，構建判別器，對所述score得分序列進行真實性判斷以得到有效用戶瀏覽行為數據，其中，采用基于序列建模的深度學習模型LSTM作為判別器；

第三步，推薦唯一有效用戶瀏覽行為數據以作為確定輸出的目標結果：

在推薦唯一有效用戶瀏覽行為數據以作為確定輸出的目標結果的過程中：

需要對有效用戶瀏覽行為數據進行測試，若達到測試目標結果，則直接輸出；

反之，則返回步驟S1-2、將此有效用戶瀏覽行為數據作為新的訓練樣本的訓練特征信息，并代入至回歸模型進行訓練，得到新的推薦系統，并順序執行后續步驟，直至達到測試目標結果后，直接輸出。

2.根據權利要求1所述的一種基于生成對抗網絡的云展會內容推薦方法，其特征在于：在基于所述score得分計算模型得到所述score得分序列之后，且在所述判別器對所述score得分序列進行真實性判斷之前，還包括

S1-31、score得分計算模型將得到的所述score得分序列轉化為所述判別器輸入形式的用戶瀏覽行為序列。

3.根據權利要求1所述的一種基于生成對抗網絡的云展會內容推薦方法，其特征在于：在第二步中，采用基于序列建模的深度學習模型LSTM作為判別器，所述判別器的具體構建過程為：

S2-1、獲取建模訓練樣本，其中，所述建模訓練樣本中至少標注有第三訓練特征信息和第四訓練特征信息，所述第三訓練特征信息用于表征過往云展會的用戶瀏覽行為數據信息，所述第四訓練特征信息用于表征含有人工標記的過往云展會的用戶瀏覽行為數據信息；

S2-2、規則建模：建立時間序列模型，以用于保留過往云展會的用戶瀏覽行為的時序信息，以及在時間序列模型下的各個時刻所對應的用戶特征信息以及內容特征信息，具體為：

S2-21、采用第三訓練特征信息和第四訓練特征信息輸入至深度學習模型LSTM，并同時進行建模訓練；

S2-22、基于經訓練后的深度學習模型LSTM，且以時間值為單位將獲取的所述建模訓練樣本的訓練特征信息建模為用戶瀏覽行為的行為序列；

S2-23、將所述score得分計算模型輸出的用戶瀏覽行為數據score得分序列與所述深度學習模型LSTM輸出的行為序列進行對比；

S2-24、根據對比結果對所述訓練樣本重新劃分，以用于解決所述訓練樣本特征信息稀疏問題，與此同時，依據對比結果對所述score得分序列進行真實性判斷，得到有效用戶瀏覽行為數據。

4.根據權利要求3所述的一種基于生成對抗網絡的云展會內容推薦方法，其特征在于：在步驟S2-22中，在以時間值為單位將獲取的所述建模訓練樣本的訓練特征信息建模為行為序列的過程中：

若存在建模訓練樣本的訓練特征信息所對應的時間值小于所述建模時的時間值時，則按照所述建模時的時間值進行計算；

若存在建模訓練樣本的訓練特征信息所對應的時間值大于所述建模時的時間值時，則將其拆分為多個時間步，并按照向上取整函數進行計算。