[发明专利]基于矩阵分解模型的剪枝方法、装置、设备、存储介质在审
申请号: | 202111244280.7 | 申请日: | 2021-10-25 |
公开(公告)号: | CN113962156A | 公开(公告)日: | 2022-01-21 |
发明(设计)人: | 何向南;王艳芳;隋勇铎;王翔;刘振广 | 申请(专利权)人: | 中国科学技术大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F17/16;G06N20/00 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 樊晓 |
地址: | 230026 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 矩阵 分解 模型 剪枝 方法 装置 设备 存储 介质 | ||
1.一种基于矩阵分解模型的剪枝方法,包括:
获取目标矩阵分解模型的模型结构数据,其中,所述模型结构数据包括多个矩阵参数;所述多个矩阵参数的每一行分别对应一个目标用户或一个目标物品;
根据所述多个矩阵参数确定所述目标矩阵分解模型中可被剪枝的第一矩阵参数;
利用基于所述第一矩阵参数生成的第二矩阵参数更新矩阵集合;以及
通过评价指标确定所述矩阵集合中的目标矩阵参数。
2.根据权利要求1所述的方法,其中,所述根据所述多个矩阵参数确定所述目标矩阵分解模型中可被剪枝的第一矩阵参数包括:
根据预设规则将所述多个矩阵参数进行排序,其中,所述预设规则为所述多个矩阵参数的绝对值;
确定所述多个矩阵参数的绝对值最小的矩阵参数为所述第一矩阵参数,其中,所述第一矩阵参数包括第一掩蔽矩阵和第一表征矩阵。
3.根据权利要求2所述的方法,其中,所述利用基于所述第一矩阵参数生成的第二矩阵参数更新矩阵集合包括:
将所述第一掩蔽矩阵对应位置的元素设置为0,得到第二掩蔽矩阵;
利用所述第二掩蔽矩阵和表征矩阵生成所述第二矩阵参数;
利用所述第二矩阵参数更新矩阵集合。
4.根据权利要求3中任一项所述的方法,其中,所述通过评价指标确定所述矩阵集合中的目标矩阵参数包括:
根据所述第二矩阵参数,采用第一关系模型,得到所述第二矩阵参数的评价指标,其中,所述第一关系模型为:
其中,T(u)表示用户在测试集上的行为列表;R(u)表示根据用户在训练集上的行为给用户作出的推荐列表;|·|表示列表长度。
5.根据权利要求3或4中任一项所述的方法,其中,所述通过评价指标确定所述矩阵集合中的目标矩阵参数还包括:
根据所述第二矩阵参数,采用第二关系模型,得到所述第二矩阵参数的评价指标,其中,所述第二关系模型为:
其中,|REL|表示测试集物品列表的前K个;rel_i表示K个物品中第i个物品在物品列表中的排序。
6.根据权利要求1至5中任一项所述的方法,其中,在所述通过评价指标确定所述矩阵集合中的目标矩阵参数之后,所述方法还包括:
将所述目标矩阵参数分解为目标用户矩阵和目标物品矩阵的乘积,以便根据所述目标用户矩阵和所述目标物品矩阵为所述目标用户推荐所述目标物品。
7.根据权利要求1所述的方法,其中,在所述获取目标矩阵分解模型的模型结构数据之前,所述方法还包括:
获取用户与物品交互关系的二部图、包含用户和物品的所述表征矩阵;
利用所述表征矩阵参数构建初始掩蔽矩阵,其中,所述初始掩蔽矩阵的维度与所述表征矩阵参数相同;所述初始掩蔽矩阵中的各个元素均为1;
利用所述用户与物品交互关系的二部图、所述表征矩阵参数和所述初始掩蔽矩阵构建待训练的矩阵分解模型;
利用所述包含用户与物品交互关系的二部图训练所述待训练的矩阵分解模型,得到目标矩阵分解模型。
8.一种基于矩阵分解模型的剪枝装置,包括:
第一获取模块,用于获取目标矩阵分解模型的模型结构数据,其中,所述模型结构数据包括多个矩阵参数;所述多个矩阵参数的每一行分别对应一个目标用户或一个目标物品;
第一确定模块,用于根据所述多个矩阵参数确定所述目标矩阵分解模型中可被剪枝的第一矩阵参数;
更新模块,用于利用基于所述第一矩阵参数生成的第二矩阵参数更新矩阵集合;以及
第二确定模块,用于通过评价指标确定所述矩阵集合中的目标矩阵参数。
9.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111244280.7/1.html,转载请声明来源钻瓜专利网。