[发明专利]一种基于协同过滤模型的混合神经网络推荐系统

权利要求书

1.一种基于协同过滤模型的混合神经网络推荐系统，其特征在于，包括数据预处理模块、混合神经协同过滤模块、评分预测模块、推荐模块和数据库；

其中，数据预处理模块，用于从数据库中提取用户对商品的评分信息，并过滤掉对商品的评分数少于预设阈值的用户；

并设置用户对商品的评分标识符，若存在评分，则将评分标识符设置1；否则设置为0；

然后基于用户对商品的评分标识符构建用户-商品评分矩阵并存入数据库中，用户-商品评分矩阵的每一行代表的是一位用户的信息，即用户特征向量；每一列代表一件商品的信息，即商品特征向量，表中数值代表评分标识符；其中，构建用户-商品评分矩阵的方式为：从数据库中按行读取用户对商品的评分信息，每读取一条信息，就将评分放入到用户-商品评分矩阵对应的位置中，读取信息完毕后，再将存在评分的元素用1值填充，未存在评分的元素用0值进行填充；

混合神经协同过滤模块，包括嵌入层、全局神经块和局部神经块构成的混合神经网络；

所述全局神经块采用塔式的多层神经网络，每一层神经网络即为一层全局神经网络层；全局神经网络层从前往后的网络层节点数递减，前一层全局神经网络层的节点数是后一层全局神经网络层的2倍；

同时，在相邻两个全局神经网络层中插入一定数量的堆叠的神经网络层，构成两个相邻的全局神经网络层之间的局部神经块；

混合神经协同过滤模块从数据库中读取用户特征向量和商品特征向量，并输入嵌入层；

所述嵌入层基于其上设置的隐向量，分别将户特征向量和商品特征向量映射为稠密向量后，再输出至第一层全局神经网络层；

通过对混合神经网络的训练，获取混合神经网络的层间权重信息；并基于训练好的层间权重信息的得到当前输入的用户特征向量和商品特征向量在混合神经网络的输出信息；

评分预测模块，对混合神经协同过滤模块的混合神经网络和实现广义矩阵分解的神经网络的最后一层的隐藏层进行全连接，输出用户对商品的预测评分其中下标u表示用户，i表示商品；并基于所述预测评分构建用户-商品评分预测表并存入到数据库中；

推荐模块：从数据库中读取用户-商品评分预测表，剔除用户已经购买过的商品外，随机抽取一定数量的商品，对当前用户未购买的商品基于用户-商品评分预测表中的预测评分进行降序排序，并选择排序最前的前件商品作为当前用户的推荐数据表并予以推荐；同时将用户当前的推荐数据表存储在数据库中；所述推荐数据表中的每一行表示对一位用户的推荐信息，每一列表示商品被推荐的情况。

2.如权利要求1所述的系统，其特征在于，所述局部神经块为节点数相同的多层感知器、塔型的多层感知器或深度残差神经网络结构组成。

3.如权利要求1所述的系统，其特征在于，数据预处理模块中，过滤掉评分数少于20的用户后，再构建用户-商品评分矩阵。