一种评论驱动的深度序列推荐方法

发明专利有效专利

申请号：
CN201910576739.X
IPC分类号：G06K9/62;G06N3/04;G06Q30/02;G06F17/27
申请日期：
2019-06-28
申请人：
武汉大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种评论驱动的深度序列推荐方法
申请号	CN201910576739.X	申请日期	2019-06-28
法律状态	实质审查	申报国家	暂无
公开/公告日	2019-10-15	公开/公告号	CN110334759A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;Q;3;0;/;0;2;;;G;0;6;F;1;7;/;2;7查看分类表>
申请人	武汉大学	申请人地址	湖北省武汉市武昌区八一路299号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉大学	当前权利人	武汉大学
发明人	李晨亮;牛锡钏;陈震中
代理机构	湖北武汉永嘉专利代理有限公司	代理人	唐万荣

摘要

本发明公开了一种评论驱动的深度序列推荐方法，包括以下步骤：对用户评论文本建立词汇表，每个单词赋予随机初始化的词向量；为每篇文档构建文档词向量表达矩阵；得到方面感知的文档表达张量和多个特征图；计算用户的长期偏好向量和商品的向量表示；计算联合层面和个体层面的用户短期偏好向量；对两个层面进行加权相加得到最终的用户短期偏好向量；将用户短期偏好向量乘以折减系数和用户长期偏好向量相加，得到用户的向量表示，进而计算用户对商品的偏好分数；训练得到RNS模型；将训练的RNS模型用于线上的序列推荐情景。本发明很好地解决了评论驱动的序列推荐问题，具有训练较快、测试时间较短的优点，说明本发明具有广泛的实际意义和商业价值。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供