公开(公告)号：CN110263257B

公开(公告)日：2021-08-17

申请号：CN201910547320.1

申请日：2019-06-24

Applicant: 北京交通大学

Inventor： 冀振燕 ,  宋晓军 ,  赵颖斯 ,  皮怀雨 ,  李俊东

IPC: G06F16/9535 ,  G06Q30/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。

公开(公告)号：CN110263257A

公开(公告)日：2019-09-20

申请号：CN201910547320.1

申请日：2019-06-24

Applicant: 北京交通大学

Inventor： 冀振燕 ,  宋晓军 ,  赵颖斯 ,  皮怀雨 ,  李俊东

IPC: G06F16/9535 ,  G06Q30/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。