-
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
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
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。
-