[发明专利]基于CNN-LFM模型的推荐方法、系统及存储介质有效
| 申请号： | 201810766937.8 | 申请日： | 2018-07-13 |
| 公开（公告）号： | CN108985899B | 公开（公告）日： | 2022-04-22 |
| 发明（设计）人： | 梁昌勇;范汝鑫;陆文星;赵树平;王彬有 | 申请（专利权）人： | 合肥工业大学 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06;G06N3/04;G06N3/08 |
| 代理公司： | 北京润平知识产权代理有限公司 11283 | 代理人： | 肖冰滨;刘兵 |
| 地址： | 230009 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： | 本发明提供一种基于CNN‑LFM模型的推荐方法、系统及存储介质，属于互联网技术领域。推荐方法包括：收集网络数据；对图像和评分数据预处理；将图像输入卷积神经网络模型中以提取图像的图像特征和参数；将评分数据转化成评分矩阵，采用隐语义模型对用户的评分矩阵进行矩阵分解；以图像特征和卷积神经网络参数为条件约束物品的潜在特征，得到物品的潜在特征和用户的潜在特征；根据物品的潜在特征和用户的潜在特征预测未知评分；结合未知评分生成损失函数；计算损失函数中的梯度；判断梯度是否为0；在判断梯度为0的情况下，输出未知评分；在判断梯度不为0的情况下，训练卷积神经网络和隐语义模型，更新参数，直到损失函数达到最优。 | ||
| 搜索关键词： | 基于 cnn lfm 模型 推荐 方法 系统 存储 介质 | ||
【主权项】：
1.一种基于CNN‑LFM模型的推荐方法，其特征在于，所述推荐方法包括：收集网络数据，所述网络数据包括用户浏览的商品的图像和对所述商品的评分数据；对所述图像和所述评分数据进行预处理，将所述图像调整为同一尺寸，去除所述图像和所述评分数据中的异常数据；将所述图像输入卷积神经网络模型中以提取所述图像的图像特征和参数；将所述评分数据转化成评分矩阵，采用隐语义模型对所述用户的评分矩阵进行矩阵分解；以所述图像特征和参数为条件约束物品的潜在特征，得到所述物品的潜在特征和所述用户的潜在特征；根据所述物品的潜在特征和所述用户的潜在特征预测所述用户对所述物品的未知评分；结合所述未知评分生成损失函数；计算所述损失函数中的梯度；判断所述梯度是否为0；在判断所述梯度为0的情况下，输出所述未知评分；在判断所述梯度不为0的情况下，对所述卷积神经网络模型和所述隐语义模型进行更新并再次将所述图像输入卷积神经网络模型中以提取所述图像的图像特征和参数直到所述梯度为0。
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合肥工业大学，未经合肥工业大学许可，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/201810766937.8/，转载请声明来源钻瓜专利网。
