申请/专利权人：山东建筑大学

申请日：2023-12-29

公开（公告）日：2024-03-19

公开（公告）号：CN117725318A

主分类号：G06F16/9535

分类号：G06F16/9535;G06N3/0442;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了基于深度强化学习的电影推荐方法及系统，属于深度学习推荐技术领域，本发明要解决的技术问题为在电影推荐过程中，如何缓解正负反馈数据稀疏性以及增大细粒化正负反馈之间的差异性，采用的技术方案为：预处理：获取电影相关数据集中用户对电影的评分数据及用户属性，分别对用户对电影的评分的历史数据及用户属性进行预处理，获取用户的正负反馈序列嵌入表示及用户向量，再将用户的正负反馈序列经过网络处理后的输出与用户向量进行拼接处理，形成用户对任一部电影给出评价反馈后的兴趣状态；获取对比损失函数：通过对比损失函数增大正负反馈序列表示之间的差异性；生成电影推荐列表；优化更新电影推荐列表。

主权项：1.一种基于深度强化学习的电影推荐方法，其特征在于，该方法具体如下：预处理：获取电影相关数据集中用户对电影的评分数据及用户属性，分别对用户对电影的评分的历史数据及用户属性进行预处理，获取用户的正负反馈序列嵌入表示及用户向量，再将用户的正负反馈序列经过网络处理后的输出与用户向量进行拼接处理，形成用户对任一部电影给出评价反馈后的兴趣状态；获取对比损失函数：通过对比损失函数增大正负反馈序列表示之间的差异性；生成电影推荐列表：用户的正负反馈序列、用户向量及用户对任一部电影给出评价反馈后的兴趣状态通过Actor网络处理后获取动作向量，进而生成电影推荐列表；优化更新电影推荐列表：用户对任一部电影给出评价反馈后的兴趣状态、用户向量以及动作向量通过Critic网络生成给定状态和动作下的状态-动作值函数，更新Actor网络的参数，进而获取优化后的电影推荐列表。

全文数据：

权利要求：

百度查询： 山东建筑大学 基于深度强化学习的电影推荐方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD