[发明专利]基于生成对抗网络的云展会内容推荐方法、系统及设备

权利要求书

1.一种基于生成对抗网络的云展会内容推荐方法，其特征在于：包括以下步骤：

第一步，构建生成器，用于生成用户浏览行为score得分序列

S1-1、通过浏览行为模拟器获取用户浏览行为数据，其中，用户浏览行为数据包括用户特征数据以及内容特征数据；

S1-2、预设推荐系统，建立针对用户特征数据与内容特征数据组合的score得分计算模型，其中，通过预设推荐系统得到所述score得分计算模型的具体实施方式为：

S1-21、获取训练样本，其中，所述训练样本中至少标注有第一训练特征信息和第二训练特征信息，所述第一训练特征信息用于表征用户浏览行为数据的特征向量信息，所述第二训练特征信息用于表征用户特征数据与内容特征数据组合的score分值信息；

S1-22，采用所述第一训练特征信息和第二训练特征信息输入至回归模型同时进行训练，得到score得分计算模型，其中，回归模型包括线性回归模型、多项式回归模型、回归树模型或回归森林模型；

S1-3、基于score得分计算模型计算得到用户浏览行为数据score得分序列；

第二步，构建判别器，对所述score得分序列进行真实性判断以得到有效用户浏览行为数据，其中，采用基于序列建模的深度学习模型LSTM作为判别器；

第三步，推荐唯一有效用户浏览行为数据以作为确定输出的目标结果：

在推荐唯一有效用户浏览行为数据以作为确定输出的目标结果的过程中：

需要对有效用户浏览行为数据进行测试，若达到测试目标结果，则直接输出；

反之，则返回步骤S1-2、将此有效用户浏览行为数据作为新的训练样本的训练特征信息，并代入至回归模型进行训练，得到新的推荐系统，并顺序执行后续步骤，直至达到测试目标结果后，直接输出。

2.根据权利要求1所述的一种基于生成对抗网络的云展会内容推荐方法，其特征在于：在基于所述score得分计算模型得到所述score得分序列之后，且在所述判别器对所述score得分序列进行真实性判断之前，还包括

S1-31、score得分计算模型将得到的所述score得分序列转化为所述判别器输入形式的用户浏览行为序列。

3.根据权利要求1所述的一种基于生成对抗网络的云展会内容推荐方法，其特征在于：在第二步中，采用基于序列建模的深度学习模型LSTM作为判别器，所述判别器的具体构建过程为：

S2-1、获取建模训练样本，其中，所述建模训练样本中至少标注有第三训练特征信息和第四训练特征信息，所述第三训练特征信息用于表征过往云展会的用户浏览行为数据信息，所述第四训练特征信息用于表征含有人工标记的过往云展会的用户浏览行为数据信息；

S2-2、规则建模：建立时间序列模型，以用于保留过往云展会的用户浏览行为的时序信息，以及在时间序列模型下的各个时刻所对应的用户特征信息以及内容特征信息，具体为：

S2-21、采用第三训练特征信息和第四训练特征信息输入至深度学习模型LSTM，并同时进行建模训练；

S2-22、基于经训练后的深度学习模型LSTM，且以时间值为单位将获取的所述建模训练样本的训练特征信息建模为用户浏览行为的行为序列；

S2-23、将所述score得分计算模型输出的用户浏览行为数据score得分序列与所述深度学习模型LSTM输出的行为序列进行对比；

S2-24、根据对比结果对所述训练样本重新划分，以用于解决所述训练样本特征信息稀疏问题，与此同时，依据对比结果对所述score得分序列进行真实性判断，得到有效用户浏览行为数据。

4.根据权利要求3所述的一种基于生成对抗网络的云展会内容推荐方法，其特征在于：在步骤S2-22中，在以时间值为单位将获取的所述建模训练样本的训练特征信息建模为行为序列的过程中：

若存在建模训练样本的训练特征信息所对应的时间值小于所述建模时的时间值时，则按照所述建模时的时间值进行计算；

若存在建模训练样本的训练特征信息所对应的时间值大于所述建模时的时间值时，则将其拆分为多个时间步，并按照向上取整函数进行计算。