一种基于深度学习的个性化文本推荐方法

授权

摘要

本发明涉及一种基于深度学习的个性化文本推荐方法，包括以下步骤：S1：用户浏览新闻的历史行为数据和文本数据预处理；S2：特征提取器建模，具体包括：S21：隐藏层设计；S22：输出层设计；S3：个性化推荐模型建模，具体包括：S31：一维卷积网络层设计；S32：分类输出层与损失函数设计。本发明有效的解决了操作数据稀疏性的问题，并且通过使用负采样技术增强了模型训练效率；引入浏览时长作为全局变量，通过最终的目的来优化编码效果；通过利用项目嵌入的编码方式，进而有效的解决了项目冷启动的问题；减少了深层结构，增加并行的层次结构，卷积层内权重共享，参数相对较少。

基本信息

专利标题：

一种基于深度学习的个性化文本推荐方法

专利标题（英）：

暂无

公开（公告）号：

CN111209386A

申请号：

CN202010013952.2

公开（公告）日：

2020-05-29

申请日：

2020-01-07

授权号：

CN111209386B

授权日：

2022-04-12

发明人：

程克非郭小勇

申请人：

重庆邮电大学

申请人地址：

重庆市南岸区黄桷垭崇文路2号

代理机构：

北京同恒源知识产权代理有限公司

代理人：

赵荣之

优先权：

CN202010013952.2

主分类号：

G06F16/335

IPC分类号：

G06F16/335 G06N3/08