公开(公告)号：CN112016000B

公开(公告)日：2021-08-10

申请号：CN202010696335.7

申请日：2020-07-20

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  李贺永

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/04

Abstract: 本发明涉及一种基于卷积协同过滤的电影组推荐方法及系统，所述推荐方法包括：通过运营商获取用户数据和商品内容数据组成用户组，并处理成模型能识别的格式；使用基于卷积协同过滤推荐算法对以上数据进行处理，得到用户组的推荐列表；给相关用户组进行推荐，同时获取用户的反馈数据，并将反馈数据返回给系统，处理成相应格式，然后使用基于卷积协同过滤算法进行数据处理计算推荐列表，继续推荐商品给用户组。本发明的优点在于：将用户嵌入和项目嵌入特征进行线性融合之后，直接将处理的融合嵌入向量送入单层的卷积神经网络；会减少很多的参数。可以有效的提高模型的推荐商品的命中率。

公开(公告)号：CN112016000A

公开(公告)日：2020-12-01

申请号：CN202010696335.7

申请日：2020-07-20

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  李贺永

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/04

Abstract: 本发明涉及一种基于卷积协同过滤的电影组推荐方法及系统，所述推荐方法包括：通过运营商获取用户数据和商品内容数据组成用户组，并处理成模型能识别的格式；使用基于卷积协同过滤推荐算法对以上数据进行处理，得到用户组的推荐列表；给相关用户组进行推荐，同时获取用户的反馈数据，并将反馈数据返回给系统，处理成相应格式，然后使用基于卷积协同过滤算法进行数据处理计算推荐列表，继续推荐商品给用户组。本发明的优点在于：将用户嵌入和项目嵌入特征进行线性融合之后，直接将处理的融合嵌入向量送入单层的卷积神经网络；会减少很多的参数。可以有效的提高模型的推荐商品的命中率。