买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国传媒大学

摘要：本发明提供一种电商数据分类推荐系统、方法，通过损失感知特征注意力机制网络LAFAMN，使用其中的监督网络对不同的输入特征组进行加权，根据网络整体和每个子网络的预测结果对权值自调控，有效解决电商数据分类推荐过程中的特征不平衡问题；另外基于分类置信度调控的双压制损失函数，对大类易判断样本的损失值进行大幅度抑制，同时保证小类难判断样本的损失值完全不削减，以解决判别难易与样本数量不平衡两个维度的类别不平衡问题。LAFAMN与双压制损失函数的共同使用可以组成一个完整的推荐系统，解决三个维度的类不平衡分类问题，为商品推荐问题提供完整解决流程。

主权项：1.一种电商数据分类推荐系统，其特征在于，包括：特征预处理单元，用于通过预设排序方法和预设分类方法对第一训练数据进行重要性排序和特征分类，以得到所述第一训练数据的特征预处理数据；模型训练单元，用于通过预设的损失感知特征注意力机制网络（LossAwareFeatureAttentionMechanismNetwork，LAFAMN）对训练数据进行学习训练处理，以得到每种类型的输出和标签，将所述输出和标签进行损失值计算后，通过对所述损失值的加权求和后回传处理，使所述损失值达到预设要求后得到LAFAMN模型；其中，所述训练数据包括所述第一训练数据和所述特征预处理数据，所述LAFAMN包括监督网络和预设数量的子网络；所述子网络用于对所述特征预处理数据进行训练学习，所述监督网络用于对所述第一训练数据进行训练学习；并且，所述监督网络学习所述子网络的占比权重，所述子网络通过动态调整总损失完成子网权重和特征权重的自学习；以及，在所述子网络中使用双压制损失函数处理高度不平衡的数据集；分类推荐单元，用于通过所述LAFAMN模型对电商数据进行分类推荐处理；所述LAFAMN的输出和标签包括：网络总体输出，包括和原始样本的标签值；子网络输出，包括和原始样本的标签值；监督网络输出，包括和由子网损失SoftMax得到的标签值；其中，将三种类型输出的损失值分别记为、和，定义总损失函数，使用平方损失函数计算所述总损失函数的过程如公式（3）所示： （3）其中，、和为LAFAMN的参数，yj为第j个子网络的输出；为SoftMax运算中使用的温度系数，通过设置系数来控制对子网络损失值加权的均衡性；LAFAMN的最终输出如公式（4）所示： （4）其中，是监督网络给出的输出向量中的参数；所述双压制损失函数包括三部分，其中，第一部分是通过函数的手段，对大类样本损失贡献度压制；第二部分是通过同样的函数和不同的参数，对易分样本贡献度的压制；最后一部分是通过高幂次函数扩大输出差距的方式，对易分样本贡献度进行压制，其形式如公式（5）所示： （5）其中，为LAFAMN的最终预测输出；为原始样本的标签值，取值0或1；是样本预测输出值与标签值之间的距离；、、、和为双压制损失函数的参数。

全文数据：

权利要求：

百度查询： 中国传媒大学 电商数据分类推荐系统、方法