申请/专利权人:西南大学
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117851676A
主分类号:G06F16/9535
分类号:G06F16/9535;G06F16/36;G06N5/022;G06N3/045;G06N3/042;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及电子元件信息技术领域,尤其涉及一种电子元件推荐方法、装置、计算机设备及存储介质。本发明公开了一种电子元件推荐方法、装置、计算机设备及存储介质,包括用户标签构建模块、数据处理模块、信息融合模块、词向量转换模块、模型构建模块、电子元件推荐模块。通过自注意力机制对推荐学习中的用户行为信息与知识表示学习中的实体结构信息进行融合。利用多层感知机实现推荐学习模块,知识表示学习加入Bert提取的语义信息层进行模型训练。解决了电子元件推荐系统冷启动及数据稀疏矩阵的问题,能够进行电子元件描述文本内容的语义分析,提高了匹配模型的泛化能力,从而达到精准推荐的效果。
主权项:1.一种电子元件推荐方法,其特征在于,包括以下步骤:S1.根据用户历史搜索记录、用户历史点击记录与用户设定的兴趣领域,构建用户兴趣标签;S2.通过爬虫爬取多维电子元件数据,并提取出应用三元组、属性三元组数据构建电子元件知识图谱;S3.通过Bert预训练模型对所述多维电子元件数据进行词向量转换,获取电子元件数据向量集;S4.通过自注意力机制构建信息融合单元,对所述用户兴趣标签与电子元件知识图谱中的电子元件实体结构信息进行融合,获取电子元件特征向量集;S5.通过MKR算法结合所述用户兴趣标签、知识图谱、电子元件数据向量集与电子元件特征向量集构建电子元件推荐模型,并对所述电子元件推荐模型进行训练;S6.在训练好的模型中输入用户兴趣标签,获取电子元件的相似度,并根据所述电子元件相似度高低对所述电子元件进行TOP-K推荐。
全文数据:
权利要求:
百度查询: 西南大学 一种电子元件推荐方法、装置、计算机设备及存储介质
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。