公开(公告)号：CN110598130A

公开(公告)日：2019-12-20

申请号：CN201910947264.0

申请日：2019-09-30

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  胡宗超 ,  谢显中

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06

Abstract: 本发明涉及一种融合异构信息网络和深度学习的电影推荐方法，包括S1：获取用户-电影交互数据，包括用户属性、用户-电影的交互数据和电影的属性数据；S2：提取关系对，包括用户-电影交互关系对、电影属性关系对、用户属性关系对；S3：构建异构信息网络；S4：设计元路径，并根据元路径分别以用户和电影为中心提取网络中的结构关系；S5：采用HIN2Vec方法提取网络中的节点特征；S6：构建用户-电影交互特征矩阵，并根据电影数据集，给特征矩阵标签化；S7：构建卷积神经网络模型，根据S6生成的标签化的特征矩阵，训练卷积神经网络模型；S8：运用训练好的模型进行偏好预测，运用TOP-K排序，生成用户感兴趣的电影序列。

公开(公告)号：CN110598130B

公开(公告)日：2022-06-24

申请号：CN201910947264.0

申请日：2019-09-30

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  胡宗超 ,  谢显中

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06

Abstract: 本发明涉及一种融合异构信息网络和深度学习的电影推荐方法，包括S1：获取用户‑电影交互数据，包括用户属性、用户‑电影的交互数据和电影的属性数据；S2：提取关系对，包括用户‑电影交互关系对、电影属性关系对、用户属性关系对；S3：构建异构信息网络；S4：设计元路径，并根据元路径分别以用户和电影为中心提取网络中的结构关系；S5：采用HIN2Vec方法提取网络中的节点特征；S6：构建用户‑电影交互特征矩阵，并根据电影数据集，给特征矩阵标签化；S7：构建卷积神经网络模型，根据S6生成的标签化的特征矩阵，训练卷积神经网络模型；S8：运用训练好的模型进行偏好预测，运用TOP‑K排序，生成用户感兴趣的电影序列。