[发明专利]一种基于个性化的用户信息推荐方法及系统

权利要求书

1.一种基于个性化的用户信息推荐方法，所述方法包括：

获取用户已关注的信息，以及用户对所关注的信息的评分，构建用户所关注过的所述多条信息和多个评分的序列数据；

将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法；

抽取信息档案中的信息，利用神经网络推荐算法对所述信息进行计算，将概率最高的信息作为用户推荐信息；

根据用户对所述用户推荐信息的反馈，对所述神经网络推荐算法的参数进行调整，获取优化后的神经网络推荐算法。

2.根据权利要求1所述的方法，所述神经网络算法为循环神经网络算法。

3.根据权利要求2所述的方法，所述将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法，包括：

将所述序列数据输入到所述循环神经网络算法的输入层；

对所述循环神经网络算法的隐藏层进行设计，将所述循环神经网络算法的隐藏层后一层数的输入值加入到所述循环神经网络算法的隐藏层前一层的输出值中；

将所述序列数据分为正向数据和负向数据，所述正向数据用于增强推荐策略；所述负向数据用于减弱推荐策略。

4.根据权利要求2所述的方法，所述将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法，包括：

在所述循环神经网络算法的隐藏层中设置遗忘门和输入门，所述遗忘门用于根据用户对已关注的信息的评分，将所述评分高于第一阈值的信息进行保留；所述输入门通过阈值函数sigmoid函数层计算，根据用户对信息的评分，确定加入信息的数量；

采用层次化指数函数Softmax函数构建输出层，所述循环神经网络算法进行层次化指数函数Softmax函数。

5.根据权利要求1所述的方法，所述构建用户所关注过的所述多条信息和多个评分的序列数据，所述序列数据包括：

信息文件编号，用户评分，档案类别。

6.一种基于个性化的用户信息推荐系统，所述系统包括：

获取单元，用于获取用户已关注的信息，以及用户对所关注的信息的评分，构建用户所关注过的所述多条信息和多个评分的序列数据；

构建单元，用于将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法；

计算单元，用于抽取信息档案中的信息，利用神经网络推荐算法对所述信息进行计算，将概率最高的信息作为用户推荐信息；

优化单元，用于根据用户对所述用户推荐信息的反馈，对所述神经网络推荐算法的参数进行调整，获取优化后的神经网络推荐算法。

7.根据权利要求6所述的系统，所述神经网络算法为循环神经网络算法。

8.根据权利要求7所述的系统，所述构建单元用于：将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法，包括：

将所述序列数据输入到所述循环神经网络算法的输入层；

对所述循环神经网络算法的隐藏层进行设计，将所述循环神经网络算法的隐藏层后一层数的输入值加入到所述循环神经网络算法的隐藏层前一层的输出值中；

将所述序列数据分为正向数据和负向数据，所述正向数据用于增强推荐策略；所述负向数据用于减弱推荐策略。

9.根据权利要求7所述的系统，所述构建单元用于：将所述序列数据通过神经网络算法进行计算分析，构建用户信息的神经网络推荐算法，包括：

在所述循环神经网络算法的隐藏层中设置遗忘门和输入门，所述遗忘门用于根据用户对已关注的信息的评分，将所述评分高于第一阈值的信息进行保留；所述输入门通过阈值函数sigmoid函数层计算，根据用户对信息的评分，确定加入信息的数量；

采用层次化指数函数Softmax函数构建输出层，所述循环神经网络算法进行层次化指数函数Softmax函数。

10.根据权利要求6所述的系统，所述获取单元用于：构建用户所关注过的所述多条信息和多个评分的序列数据，所述序列数据包括：

信息文件编号，用户评分，档案类别。