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:成都帆点创想科技有限公司
摘要:本申请提供一种推荐模型训练方法及装置,其中所述推荐模型训练方法包括:获取用户信息、商品信息以及上下文特征信息;聚类用户信息得到用户群信息,并确定用户群信息的用户群ID;根据预设的点积算法,对用户群ID,以及商品信息中包含的商品ID进行处理,得到第一矩阵;通过预训练推荐模型对用户群信息与商品信息进行处理,得到第二矩阵;根据第一矩阵、第二矩阵以及上下文特征信息构建评分矩阵,并根据评分矩阵与第一矩阵,调整预训练推荐模型,得到目标推荐模型,实现了商品推荐冷启动问题的解决,并且综合了用户与商品之间的线性关联关系、非线性关联关系以及交互背景的影响,提升了预测准确率与推荐算法的泛用性。
主权项:1.一种推荐模型训练方法,其特征在于,包括:获取用户信息、商品信息以及上下文特征信息;聚类所述用户信息得到用户群信息,并确定所述用户群信息的用户群ID;根据预设的点积算法,对所述用户群ID,以及所述商品信息中包含的商品ID进行处理,得到第一矩阵;将所述用户群信息进行向量转换,得到用户群向量;将所述商品信息进行向量转换,得到商品向量;将所述用户群向量输入至预训练推荐模型的Reshape层,拼接得到用户群拼接向量,并将所述商品向量输入至所述预训练推荐模型的Reshape层,拼接得到商品拼接向量;通过预设激活函数,将所述用户群拼接向量与所述商品拼接向量输入至所述预训练推荐模型的全连接层进行处理,得到第二矩阵;通过预设的矩阵加权系数,对所述第一矩阵与所述第二矩阵进行加权计算,得到第三矩阵;对所述上下文特征信息中包含的至少一个上下文元素数据进行加权计算,得到第四矩阵;通过稀疏矩阵合并所述第三矩阵与所述第四矩阵,生成评分矩阵;根据矩阵分解算法将所述评分矩阵分解为用户矩阵与商品矩阵相乘的形式,并根据分解结果计算预测评分数据;确定所述预测评分数据与所述第一矩阵中的矩阵元素之间的对应关系;计算所述预测评分数据与对应的所述矩阵元素之间的误差平方和;基于所述用户矩阵、所述商品矩阵与所述误差平方和,通过梯度下降算法调整所述预训练推荐模型的参数,得到目标推荐模型。
全文数据:
权利要求:
百度查询: 成都帆点创想科技有限公司 推荐模型训练方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。