一种基于深度学习的多行为迁移推荐方法
专利汇可以提供一种基于深度学习的多行为迁移推荐方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种基于 深度学习 的多行为迁移推荐方法，首先，获取用户的多种隐式反馈数据集并进行处理；构建一个基网络Gb和多个行为网络G(k)，并利用网络表示学习方法学习用户和物品 节点 在各个网络中的低维嵌入表示；然后，基于用户的多个隐式行为反馈对用户偏好建模的影响不同，使用注意 力 机制自动学习各个行为的权重，得到用户和物品的融合低维嵌入表示；最后，将用户和物品的低维嵌入向量自然拼接后送入全连接嵌入层，采用基于 深度神经网络 的偏好学习方法，并反馈到具有 隐藏层 的 前馈神经网络 中，在 输出层 学习用户对物品的偏好。本发明能够更好地捕获用户的偏好并实现个性化推荐，且具有推荐准确率高、泛化能力强，易于实现等优点。，下面是一种基于深度学习的多行为迁移推荐方法专利的具体信息内容。
1.一种基于深度学习的多行为迁移推荐方法，其特征在于，包括以下步骤：
(1)对预先获取的用户历史行为数据进行处理获得多种隐式反馈数据集；
(2)根据用户的多种隐式反馈数据集构建一个基网络Gb和多个行为网络G(k)，并利用网络表示学习方法学习用户和物品节点在各个网络中的低维嵌入表示；
(3)基于用户的多个隐式行为反馈对用户偏好建模的影响不同，使用注意力机制自动学习各个行为的权重，得到用户和物品的融合低维嵌入表示；
(4)将用户和物品的低维嵌入向量自然拼接后送入全连接嵌入层，采用基于深度神经网络的偏好学习方法，并反馈到具有隐藏层的前馈神经网络中，在输出层学习用户对物品的偏好。
2.根据权利要求1所述的一种基于深度学习的多行为迁移推荐方法，其特征在于，步骤(1)所述的隐式反馈数据主要包括用户点击数据、加入购物车数据、收藏数据和购买数据。
3.根据权利要求1所述的一种基于深度学习的多行为迁移推荐方法，其特征在于，步骤(2)所述的基网络Gb是一个包含用户和物品两种节点，以及一种类型的连边的网络；所述每个行为网络G(k)中也包含用户和物品节点，且只有用户和物品之间有过对应的行为。
4.根据权利要求1所述的一种基于深度学习的多行为迁移推荐方法，其特征在于，步骤(2)所述的网络表示学习方法基于node2vec的随机游走策略，并行学习基网络和多个行为网络中用户和物品节点的之间的结构关系，得到用户和物品的词嵌入向量Ub和Us(k)，游走概率计算方式为：
其中，其中Ub表示从基网络中学习得到的词嵌入向量，而Us(k)表示从第k个行为网络中学习得到的词嵌入向量，Pro(k|k-1)表示从节点uk-1游走到节点uk的概率，α是node2vec中的二阶随机游走参数，α＝1/p表示从节点uk-1回到节点uk-2，α＝1表示节点uk-2与节点uk相连，α＝1/q表示节点uk-2与节点uk不直接相连，但节点uk-1与节点uk直接相连，通过调节变量p和q控制随机游走的方向，w(k-1,k)表示节点uk-1和uk之间的边权重，取值范围是[0,1]，N(k-1)表示uk-1的一阶邻居节点的集合。
5.根据权利要求1所述的一种基于深度学习的多行为迁移推荐方法，其特征在于，所述步骤(3)包括以下步骤：
(31)利用注意力机制学习得到用户的多个行为对用户偏好的影响，每个行为的权重计算如下：w＝f(W·U+b)，其中，f表示一种激活函数，U表示节点的词嵌入向量，W表示权重矩阵，b表示偏置值；
(32)对学得权重进行归一化，计算如下：αk＝softmax(wk)，αk表示第k个行为网络的归一化权重，softmax是常用于多分类问题的激活函数；
(33)根据学得的归一化权重，将多个行为中用户和物品的词嵌入向量加权求和，得到用户和物品的融合向量
(34)将从基网络中学习的词嵌入向量和融合向量自然拼接，得到Ut′＝[Ub,Us′]。
6.根据权利要求1所述的一种基于深度学习的多行为迁移推荐方法，其特征在于，所述步骤(4)包括以下步骤：
(41)利用多层感知机学习用户和物品之间的非线性关系，输入是用户和物品的词嵌入向量拼接得到的向量z1＝[Ut′,Vt′]，隐藏层的输出是z2＝f(WTz1+b)，其中，f是激活函数，b是偏置值，输出层的输出是用户是否对物品感兴趣的预测概率 σ是一种激活函数；
(42)计算用户对物品的偏好损失函数：
其中，I表示用户ui交互过物品vj，表示用户ui没有交互过物品vj，yij表示用户ui是否交互过物品vj的真实值， 表示预测值，取值范围是[0,1]，使用梯度下降算法使得损失函数最小化，即 和yij之间的差值收敛；
(43)使用命中率和归一化折扣累积增益作为性能评价指标，确定所有参数的最佳取值，其中命中率HR@K和归一化折扣累积增益NDCG@K的计算方式如下：
其中，K表示选择前K个物品进行推荐，|GT|表示所有测试样本的数量。
一种基于深度学习的多行为迁移推荐方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于生成对抗网络的空调用户调频能力评估方法 | 2020-05-08 | 871 |
| 基于节气特征的土遗址温度预测方法 | 2020-05-11 | 901 |
| 面向循证医学领域的类别检测方法 | 2020-05-13 | 37 |
| 一种信息中心网络中基于深度学习的自适应拥塞控制方法 | 2020-05-15 | 731 |
| 语音识别方法、服务器及计算机可读存储介质 | 2020-05-08 | 83 |
| 一种语音识别方法、装置和用于语音识别的装置 | 2020-05-11 | 915 |
| 一种基于多种实体注意力和改进预训练语言模型的药物间关系抽取方法 | 2020-05-08 | 242 |
| 一种基于神经网络计算的多目标直接定位方法 | 2020-05-15 | 993 |
| 一种基于机器学习的智能粮仓管控方法及终端 | 2020-05-11 | 83 |
| 一种对话系统中的句子多样性生成方法及系统 | 2020-05-16 | 774 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
