申请/专利权人:重庆大学
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117853204A
主分类号:G06Q30/0601
分类号:G06Q30/0601;G06F18/2113;G06F18/2136;G06F18/2131;G06N3/0464;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:本发明属于商品推荐技术领域,具体公开了一种基于特征权重感知与二阶特征选择的商品推荐方法及系统,该方法获取原始数据集,并进行稀疏编码,通过嵌入层将高维的稀疏向量转换为低维的稠密嵌入特征向量,从不同尺度计算不同嵌入特征的注意力权重,以及单个稠密嵌入特征向量内部元素的注意力权重,计算所有二阶特征与目标任务的相关性;将获取的二阶交互特征向量拼接成单个向量后,输入深度神经网络,获取高阶特征交互结果;根据高阶特征交互结果,计算目标商品的点击概率的预测值,基于该预测值,决定是否对用户推荐该商品。采用本技术方案,从不同尺度计算输入的不同嵌入特征的注意力权重,对二阶交互特征进行选择,提高目标商品的推荐精准率。
主权项:1.一种基于特征权重感知与二阶特征选择的商品推荐方法,其特征在于,包括如下步骤:获取用户信息、商品信息、上下文信息和用户实时行为,作为原始数据集;将原始数据进行稀疏编码,通过嵌入层将高维的稀疏向量转换为低维的稠密嵌入特征向量;基于多尺度特征权重感知机制,从不同尺度计算不同嵌入特征的注意力权重,以及单个稠密嵌入特征向量内部元素的注意力权重;基于二阶重要性特征选择机制,计算所有二阶特征与目标任务的相关性,获取二阶交互特征向量;将获取的二阶交互特征向量拼接成单个向量后,输入深度神经网络,通过非线性变换学习高维特征交互,获取高阶特征交互结果;根据高阶特征交互结果,计算目标商品的点击概率的预测值,基于该预测值,决定是否对用户推荐该商品。
全文数据:
权利要求:
百度查询: 重庆大学 基于特征权重感知与二阶特征选择的商品推荐方法及系统
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。