基于物品簇级多目标优化的物品推荐方法及装置和设备
公开
摘要
本申请提供一种基于物品簇级多目标优化的物品推荐方法及装置和设备，通过获取用户个人兴趣与物品特征；将全局流行度特征从用户个人兴趣特征中进行分离；通过物品特征与全局流行度特征的相关性将物品进行动态聚类分簇，以供得到物品簇；利用帕累托最优求解器求解每个物品簇目标的最优梯度权重，从而获得全局最优的梯度更新；采用二元交叉熵作为用户‑物品样本的主损失函数进行训练，并在损失函数中引入收缩损失作为约束项，以供对用户推荐商品。本申请有效对现有推荐系统中流行度偏差问题进行缓解与消除的同时获得了推荐准确率的提升。同时本算法框架的额外时间复杂度和空间复杂度均在可接受范围内，在商用内容服务平台中的应用具有巨大潜力。
基本信息
专利标题 ：
基于物品簇级多目标优化的物品推荐方法及装置和设备
专利标题（英）：
暂无
公开（公告）号 ：
CN114297944A
申请号 ：
CN202210005791.1
公开（公告）日 ：
2022-04-08
申请日 ：
2022-01-05
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王雨乐王东
申请人 ：
上海交通大学
申请人地址 ：
上海市闵行区东川路800号
代理机构 ：
上海光华专利事务所(普通合伙)
代理人 ：
李治东
优先权 ：
CN202210005791.1
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06Q10/04 G06Q30/06 G06F111/04 G06F111/06
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
