[发明专利]一种创建跨域迁移深度网络的方法及设备

权利要求书

1.一种创建跨域迁移深度网络的方法，其中，所述方法包括：

获取用户在一个或多个产品领域内的样本数据，其中，所述样本数据包括用户的个人信息、产品信息及用户与产品的历史交互信息；

对所述样本数据进行数据处理，得到特征数据，并根据所述特征数据中的用户与产品的历史交互信息，构建训练数据集中的正样本及负样本；

构建跨域迁移深度网络的关系层，其中，所述关系层包括输入层、嵌入层、隐藏层和输出层，根据不同高维稀疏的特征确定对应的隐藏层的深度和神经元数量，其中，不同高维稀疏的特征对应的隐藏层的最大深度的顶层包含相同数量的神经元，不同高稀疏的特征是由对所述样本数据进行数据处理得到的；

基于所构建的关系层，根据所述训练数据集对所述跨域迁移深度网络进行训练，得到训练后的跨域迁移深度网络模型；

获取用户在待测产品领域的一个或多个候选产品；

通过训练后的跨域迁移深度网络模型对所述一个或多个候选产品进行预测，得到用户对于每一候选产品的偏好值；

基于用户对于候选产品的偏好值，将最大偏好值对应的产品推荐至用户；

其中，所述构建跨域迁移深度网络的关系层包括：

通过所述输入层接收用户特征和/或各产品特征的高维稀疏的特征；

在嵌入层将所述输入层中的高维稀疏的特征按相同离散变量映射至预设长度的低维实数向量；

将所述低维实数向量在所述隐藏层中进行全连接，得到相同维度的隐式特征向量，其中，所述隐式特征向量包括用户的隐式特征向量及各产品之间的隐式特征向量；

输出层基于用户的隐式特征向量及各产品之间的隐式特征向量确定所述用户对于各产品的偏好值。

2.根据权利要求1所述的方法，其中，对所述样本数据进行数据处理，包括：

抽取所述样本数据的用户特征和/或产品特征，对所述用户特征和/或产品特征对应的数据进行数据处理。

3.根据权利要求2所述的方法，其中，抽取所述样本数据的用户特征和/或产品特征，对所述用户特征和/或产品特征对应的数据进行数据处理，包括：

抽取所述样本数据中的用户特征和/或产品特征，对所述用户特征和/或产品特征中的连续值进行离散处理，得到离散区间值；

对经离散处理得到的离散区间值及所述用户特征和/或产品特征中的离散值进行独热编码处理，得到高维稀疏的特征。

4.根据权利要求2所述的方法，其中，抽取所述样本数据中的产品特征，包括：

从所述样本数据中的产品信息的文字信息中抽取所述产品特征。

5.根据权利要求4所述的方法，其中，从所述样本数据中的产品信息的文字信息中抽取所述产品特征，包括：

对所述样本数据中的产品信息的文本文字信息进行词向量处理，将得到的高维稀疏的词向量归属于所述产品特征。

6.根据权利要求1所述的方法，其中，所述方法还包括：

基于预设的激活函数确定所述用户及各产品之间的隐式特征。

7.根据权利要求1所述的方法，其中，根据所述训练数据集对所述跨域迁移深度网络进行训练，包括：

若所述训练数据集中包含不同产品领域的数据，则通过梯度下降方式训练所述跨域迁移深度网络。