公开(公告)号：CN108647226A

公开(公告)日：2018-10-12

申请号：CN201810253803.6

申请日：2018-03-26

Applicant: 浙江大学

Inventor： 张寅 ,  林建实

IPC: G06F17/30 ,  G06Q30/06 ,  G06N3/04

Abstract: 本发明公开了一种基于变分自动编码器的混合推荐方法。方法通过使用变分自动编码器对用户和物品的评分特征和内容特征进行建模，通过因子分解机对稀疏特征进行编码，自动进行特征高阶组合；同时，将用户和物品的多视图数据特征融合到变分自动编码器的架构里，以解决冷启动问题；并且通过用户和物品的隐向量编码的变分推断分析，为自动编码器生成隐向量编码提供了解释性；通过输入用户和物品相对应的特征，能够获取到用户对候选物品集合的偏好值，根据偏好值进行排序得到推荐结果。本发明相对于传统推荐方法能够有更好的推荐效果。

公开(公告)号：CN108647226B

公开(公告)日：2021-11-02

申请号：CN201810253803.6

申请日：2018-03-26

Applicant: 浙江大学

Inventor： 张寅 ,  林建实

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

Abstract: 本发明公开了一种基于变分自动编码器的混合推荐方法。方法通过使用变分自动编码器对用户和物品的评分特征和内容特征进行建模，通过因子分解机对稀疏特征进行编码，自动进行特征高阶组合；同时，将用户和物品的多视图数据特征融合到变分自动编码器的架构里，以解决冷启动问题；并且通过用户和物品的隐向量编码的变分推断分析，为自动编码器生成隐向量编码提供了解释性；通过输入用户和物品相对应的特征，能够获取到用户对候选物品集合的偏好值，根据偏好值进行排序得到推荐结果。本发明相对于传统推荐方法能够有更好的推荐效果。