[发明专利]一种基于知识增强神经网络的线上内容流行度预测方法有效
| 申请号： | 201810658784.5 | 申请日： | 2018-06-25 |
| 公开（公告）号： | CN108876044B | 公开（公告）日： | 2021-02-26 |
| 发明（设计）人： | 赵鑫;窦洪健;文继荣 | 申请（专利权）人： | 中国人民大学 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06Q10/04;G06N3/08;G06N3/04 |
| 代理公司： | 北京邦创至诚知识产权代理事务所(普通合伙) 11717 | 代理人： | 张宇锋 |
| 地址： | 100872 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及流行度预测方法的技术领域，尤其是涉及一种基于知识增强神经网络的线上内容流行度预测方法，其包括：将线上物品和已有KB进行连接，并将KB信息用于流行度预测；利用一个隐含向量来表示KB实体，并对KB信息进行编码；基于LSTM网络构建预测模型，该预测模型能够自适应地与目标物品的KB嵌入向量以及具有相似实体信息物品的流行动态序列相结合，并通过两个层面合并KB信息，进行扩展，解决了一般性线上物品特征信息难以统一获取的问题，避免了手动提取一般化的物品信息规则，减少了预测对于历史流行度数据的依赖性。对潜在用户的购买决策起到了导向作用，有利于商品提供者把握市场偏好，优化线上物品供给和推荐策略。 | ||
| 搜索关键词： | 一种 基于 知识 增强 神经网络 线上 内容 流行 预测 方法 | ||
【主权项】：
1.一种基于知识增强神经网络的线上内容流行度预测方法，其特征在于，包括：将线上物品和已有KB进行连接，并将KB信息用于流行度预测；利用一个隐含向量来表示KB实体，并对KB信息进行编码；基于LSTM网络构建预测模型，该预测模型能够自适应地与目标物品的KB嵌入向量以及具有相似实体信息物品的流行动态序列相结合，并通过两个层面合并KB信息，进行扩展。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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人民大学，未经中国人民大学许可，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/patent/201810658784.5/，转载请声明来源钻瓜专利网。
