公开(公告)号：CN110516165A

公开(公告)日：2019-11-29

申请号：CN201910802620.X

申请日：2019-08-28

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  陶鸿 ,  查志康 ,  王静雅 ,  陈海涵 ,  涂立静

IPC: G06F16/9536 ,  G06Q30/02

Abstract: 本发明公开了一种基于文本UGC的混合神经网络跨领域推荐方法，目标域特征提取模块根据用户和物品ID为用户和物品分别构建隐因子嵌入矩阵，得到目标域用户、物品的特征向量；所述的辅助域物品特征迁移模块通过模拟类因子分解机模型将用户在两域的特征进行对应位置相乘的交互运算，从而得到两域物品间的关联特征向量，将该向量与目标域用户、物品特征向量在模型顶层进行连接，得到最终的用户-物品联合特征向量；最后进行Top N物品推荐。本发明为端到端的深度学习跨领域推荐方法，同时自动、高效地利用两域文本UGC，通过深度学习方法挖掘两域物品间的关联特征，可有效提高目标域的物品推荐精度及缓解数据稀疏和冷启动问题。

公开(公告)号：CN110516165B

公开(公告)日：2022-09-06

申请号：CN201910802620.X

申请日：2019-08-28

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  陶鸿 ,  查志康 ,  王静雅 ,  陈海涵 ,  涂立静

IPC: G06F16/9536 ,  G06Q30/02

Abstract: 本发明公开了一种基于文本UGC的混合神经网络跨领域推荐方法，目标域特征提取模块根据用户和物品ID为用户和物品分别构建隐因子嵌入矩阵，得到目标域用户、物品的特征向量；所述的辅助域物品特征迁移模块通过模拟类因子分解机模型将用户在两域的特征进行对应位置相乘的交互运算，从而得到两域物品间的关联特征向量，将该向量与目标域用户、物品特征向量在模型顶层进行连接，得到最终的用户‑物品联合特征向量；最后进行Top N物品推荐。本发明为端到端的深度学习跨领域推荐方法，同时自动、高效地利用两域文本UGC，通过深度学习方法挖掘两域物品间的关联特征，可有效提高目标域的物品推荐精度及缓解数据稀疏和冷启动问题。