买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种基于多模态商品特征融合的商品推荐方法_桂林电子科技大学_202110444726.4 

申请/专利权人:桂林电子科技大学

申请日:2021-04-24

公开(公告)日:2021-07-23

公开(公告)号:CN113159892A

主分类号:G06Q30/06(20120101)

分类号:G06Q30/06(20120101);G06F16/9535(20190101);G06F40/289(20200101);G06F40/216(20200101);G06N3/04(20060101);G06N3/08(20060101);G06N7/00(20060101)

优先权:

专利状态码:有效-授权

法律状态:2022.05.06#授权;2021.08.10#实质审查的生效;2021.07.23#公开

摘要:本发明属于商品推荐领域,具体涉及一种基于多模态商品特征融合的商品推荐方法。所述商品推荐方法包括:根据用户已经购买的商品序列构建用户‑商品二分图,通过图卷积得到用户节点的向量表示和商品节点的向量表示;通过卷积神经网络对商品得到的评论文本进行特征提取,得到商品评论的向量表示;通过卷积神经网络对商品的标题和描述信息进行特征提取,得到商品内容的向量表示;将商品节点、评论和内容的向量表示连接得到商品的最终表示,将用户节点的向量表示作为用户的最终表示;根据点积计算用户最终表示和商品最终表示之间的相似度用于对候选商品进行排序;通过贝叶斯个性化排序损失优化提出方法中的参数。本发明通过利用商品的多模态特征,能够极大的缓解商品推荐中的数据稀疏性问题,提高推荐准确率。

主权项:1.一种基于多模态商品特征融合的商品推荐方法,其特征在于,包括如下步骤:1.1构建用户-商品二分图,通过图卷积得到用户节点的向量表示和商品节点的向量表示;1.2获取商品的评论文档,通过卷积神经网络提取商品评论的向量表示;1.3获取商品的标题和描述信息,通过卷积神经网络提取商品内容的向量表示;1.4得到用户最终表示和商品最终表示;1.5计算用户和商品的相似度;1.6通过贝叶斯个性化排序损失优化提出方法中的参数。

全文数据:

权利要求:

百度查询: 桂林电子科技大学 一种基于多模态商品特征融合的商品推荐方法

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。

相关技术
相关技术
相关技术