龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：江西财经大学
申请日：2024-03-27
公开（公告）日：2024-04-30
公开（公告）号：CN117951607A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/21;G06F18/213
优先权：
专利状态码：在审-公开
法律状态：2024.04.30#公开
摘要：本发明提出一种融合二阶段学习的长尾推荐方法与系统，该方法包括通过特征变换对齐曝光项目与未曝光项目的特征分布，再进行预测，以获取预测标签，并通过预测标签中所属类别的先验信息来自适应的调整预测标签中对应类别的分类概率；再根据用户的特征和未曝光项目的相关性得分获取目标样本的预测标签类别概率；生成未曝光项目的特征的正负样本概率，利用目标样本的预测标签类别概率自训练，以进行对比学习，自训练完成后，输出用户与项目的最终特征表示，根据用户与项目的最终特征表示与输出推荐列表。本发明利用未曝光项目的高置信度预测标签进行自训练，以提升模型的类别识别能力，显著改善推荐模型的长尾性能，增强推荐结果多样性。
主权项：1.一种融合二阶段学习的长尾推荐方法，其特征在于，所述方法包括如下步骤：步骤1、提取用户、曝光项目和未曝光项目的特征，通过特征变换对齐曝光项目与未曝光项目的特征分布；步骤2、将对齐的特征分布与用户特征送入深度网络中进行预测，以获取预测标签，并通过预测标签中所属类别的先验信息来自适应的调整预测标签中对应类别的分类概率；步骤3、计算用户的特征和未曝光项目的相关性得分，得到目标域项目相关性得分，并根据目标域项目相关性得分获取目标样本的预测标签类别概率；步骤4、基于二阶段学习的分类器生成未曝光项目的特征的正负样本概率，利用目标样本的预测标签类别概率自训练，以进行对比学习，训练完成后，输出用户与项目的最终特征表示，根据用户与项目的最终特征表示与输出推荐列表。
全文数据：
权利要求：
百度查询： 江西财经大学 一种融合二阶段学习的长尾推荐方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号