龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆邮电大学
摘要：本发明提出的基于跨模型去噪的推荐模型，包括从数据库中获取和清理数据信息，以获得原始交互矩阵。同时基于原始交互矩阵，为每一组正样本随机抽样出负样本。利用NCF模型作为预测主模型，并利用MF模型作为辅助模型。借助KL散度，衡量NCF模型与MF模型的预测结果分布的一致性，剔除正负样本中KL散度值较高的噪声样本，提高推荐的准确性。并且将负样本内剔除的以及可靠的样本填充回正样本内，充分考虑填充样本的可靠性，以保证推荐的多样性与可靠性。此外，在NCF模型框架下，融合GMF模型和MLP模型。学习用户历史行为中的偏好，获取预测值并排序以生成推荐项目列表，提高模型的推荐质量。
主权项：1.基于跨模型去噪的推荐模型，用以对隐式数据进行去噪与填充，提高推荐质量，包括如下：数据采集及准备模块，用于对数据库中收集的数据进行获取和清洗，以得到需要的只含0和1的原始的交互矩阵。负样本生成模块，用于根据模型交互的正样本生成对应的负样本即未交互的用户-项目对。KL散度计算模块，用于利用KL散度Kullback-LeiblerDivergence计算公式，分别计算正负样本的主模型和辅助模型预测结果分布的KL散度值。正负样本去噪模块，用于根据主模型和辅助模型预测值分布的KL值，将KL值从高到低进行排序，剔除正负样本中KL值相对比较高的噪声样本。可靠性过滤模块，用于计算主模型和辅助模型对已剔除负样本的预测结果的差值，将归一化后的差值与可靠性阈值比较，选择信赖度高的负样本。负样本回填模块，用于将已剔除负样本中低于设定阈值的样本填充到去噪后的正样本内。推荐结果获取模块，用于获取主模型预测值，将预测值较高的前k个项目推送给目标用户，以形成其个性化推荐列表。
全文数据：
权利要求：
百度查询： 重庆邮电大学 基于跨模型去噪的推荐模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号