[发明专利]融合注意力模型的卷积神经网络协同过滤推荐方法及系统有效
| 申请号： | 201811448665.3 | 申请日： | 2018-11-28 |
| 公开（公告）号： | CN109299396B | 公开（公告）日： | 2020-11-06 |
| 发明（设计）人： | 张邦佐;张昊博;孙小新;冯国忠 | 申请（专利权）人： | 东北师范大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06N3/04;G06N3/08 |
| 代理公司： | 北京卓特专利代理事务所(普通合伙) 11572 | 代理人： | 陈变花 |
| 地址： | 130024 吉林省长*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种融合注意力模型的卷积神经网络协同过滤推荐方法及系统，涉及数据挖掘推荐技术领域，提高了特征提取效率和评分预测精度，降低运维成本，简化费用管理方式，方便联合经营和大面积推广应用。融合注意力模型的卷积神经网络协同过滤推荐方法，包括：步骤S1：将用户特征向量和物品特征向量拼接融合为一个新向量；步骤S2：将新向量作为输入向量送入多层感知器中学习，预测评分；其中，将注意力模型融合到物品潜在向量、获得物品特征向量的卷积神经网络或多层感知器的隐藏层中。 | ||
| 搜索关键词： | 融合 注意力 模型 卷积 神经网络 协同 过滤 推荐 方法 系统 | ||
【主权项】：
1.一种融合注意力模型的卷积神经网络协同过滤推荐方法，其特征在于，包括：步骤S1：将用户特征向量和物品特征向量拼接融合为一个新向量；步骤S2：将新向量作为输入向量送入多层感知器中学习，预测评分；其中，将注意力模型融合到物品潜在向量、获得物品特征向量的卷积神经网络或多层感知器的隐藏层中。
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东北师范大学，未经东北师范大学许可，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/201811448665.3/，转载请声明来源钻瓜专利网。
