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：江苏海洋大学;梦西游文化科技(连云港)有限公司
摘要：本发明提出了一种基于深度学习的改进NCF推荐方法，传统的推荐系统在面对大量动态、复杂的数据时,仅仅通过用户的已知数据和历史行为进行分析,得到评分准则继而进行推荐,存在推荐精度不高等问题，难以满足用户对信息的需求。针对这一情况提出深度学习框架下基于神经网络的协同过滤算法，旨在隐式反馈的基础上解决推荐中的关键问题，采用矩阵分解，对用户和资源的潜在特征应用内积，在嵌入层将用户和资源ID映射到低维嵌入向量空间，将嵌入向量分别映射到多头注意力Multi‑headAttentionMechanism,MHA的Q,K,V空间中，通过计算每个注意力头的对应分数，进行加权和值向量求和，最后将输出向量和多层感知器Multi‑LayerPerceptron,MLP的处理结果进行权重比结合，输出最终的评分预测，本发明在改善传统的推荐算法问题上取得显著效果。
主权项：1.一种基于深度学习的改进NCF推荐方法，主要是在隐式反馈的基础上解决推荐中的关键问题，采用矩阵分解，对用户和资源的潜在特征应用内积，在嵌入层将用户和资源ID映射到高维嵌入向量空间，将嵌入向量分别映射到多头注意力的Q,K,V空间中，通过计算每个注意力头的对应分数，进行加权和值向量求和，最后将输出向量和多层感知器对隐向量的处理结果进行权重比结合，从而得到对用户喜爱的预测分数，使用二元交叉熵BinaryCross-Entropy,BCE损失函数作为模型的损失函数，以优化模型的性能。
全文数据：
权利要求：
百度查询： 江苏海洋大学 梦西游文化科技(连云港)有限公司 一种基于深度学习的改进NCF推荐方法
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