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！

龙图腾网获悉昆明理工大学申请的专利一种基于协同过滤与深度学习的多注意力推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113792810B 。

龙图腾网通过国家知识产权局官网在2023-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111102648.6，技术领域涉及：G06F16/9536；该发明授权一种基于协同过滤与深度学习的多注意力推荐方法是由刘鑫强;李卫疆设计研发完成，并于2021-09-21向国家知识产权局提交的专利申请。

本一种基于协同过滤与深度学习的多注意力推荐方法在说明书摘要公布了：本发明涉及一种基于协同过滤与深度学习的多注意力推荐方法，属于自然语言处理中的推荐算法领域。本发明包括：输入层，词嵌入层，局部上下文注意力层，多头注意力融合层，相似注意力层，融合决策层。输入层将用户信息文本进行文本处理作为词嵌入层的输入，词嵌入层将数据转化为低维稠密的词向量数据，局部上下文注意力层挖掘向量局部特征与上下文特征，多头注意力融合层利用协同过滤中拆分的评分隐向量作为key融入多头注意力，挖掘浅层的评分向量与评论向量之间深层关联特征，相似注意力层运用欧式距离计算用户与物品之间的相似得分，融合决策层将训练的用户特征与评分特征利用FM模型特征组合的能力，提高模型的对用户评分预测效果。

本发明授权一种基于协同过滤与深度学习的多注意力推荐方法在权利要求书中公布了：1.一种基于协同过滤与深度学习的多注意力推荐方法，其特征在于：该方法采用的实现模型由六个结构构成，分别是：输入层，词嵌入层，局部上下文注意力层，多头注意力融合层，相似注意力层，融合决策层，输入层将用户信息文本进行文本处理作为词嵌入层的输入，词嵌入层包含传统协同过滤模型与词向量模型，其职责在于将数据转化为更易处理的低维稠密的词向量数据，局部上下文注意力层是用于挖掘向量局部特征与上下文特征，多头注意力融合层是利用协同过滤中拆分的评分隐向量作为key融入多头注意力，挖掘浅层的评分向量与评论向量之间深层关联特征，相似注意力层包含运用欧式距离计算用户与物品之间的相似得分，拥有挖掘用户对不同物品中存在的感情偏向，融合决策层将训练的用户特征与评分特征利用FM模型特征进行组合，学习特征间的交互关系；具体步骤如下：第一步：采用Amazon5-core数据集作为模型的训练集，在输入层中，将训练集做特征提取预处理操作并拆分为用户物品评分矩阵和评论矩阵；第二步：在词嵌入层采用包含传统机器学习的协同过滤模型将用户物品评分矩阵分解为用户以及物品隐向量矩阵，并使用词向量模型将评论数据转化为更易处理的低维稠密的词向量数据；第三步：运用CNN卷积神经网络与全连接网络捕捉词向量局部与全局特征；第四步：运用多头注意力挖掘评分隐向量与评论向量的多维关系；第五步：运用欧式距离法计算用户与物品的交互关系；第六步：运用Softmax激活归一化，后将FM特征组合特征后输入损失函数进行回归训练；所述第三步运用CNN的局部卷积获得局部特征并结合全连接网络捕捉词向量全局特征，使用全连接网络弥补卷积神经网路丢失的全局信息；所述第四步运用多头注意力挖掘评分隐向量与评论向量的多维关系，深挖用户的评分的浅层特征与用户评论的深层隐含特征之间的深层关系，使得模型能够从用户数据中得到深层训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。