龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：达观数据有限公司
摘要：本发明涉及到一种基于图表征学习和深度语义匹配模型的个性化推荐方法，该方法包括如下步骤：第一步，数据准备；第二步，图表征向量生成；第三步，用户兴趣序列特征向量生成；第四步，用户和物品的静态属性向量生成，形成DSSM双塔模型；第五步，基于XGBoost进行模型的训练和预测，最终按照分值大小排序选取TopK作为最终的推荐结果；还包括有一种基于图表征学习和深度语义匹配模型的个性化推荐系统。本发明的推荐排序方法提出Node2Vec、DSSM、XGBOOST融合推荐的方法，保证推荐的精度和用户满意度，同时有效缓解用户和物品的冷启动问题，具有更高效的模型训练、更好的可移植性和灵活性，支持分布式快速处理海量数据，为推荐系统的实时性和稳定性奠定基础。
主权项：1.一种基于图表征学习和深度语义匹配模型的个性化推荐方法，其特征在于，该方法包括如下步骤：第一步，数据准备，将用户行为数据、用户静态属性数据和物品静态属性数据作为输入数据，对输入数据进行预处理，得到每个用户操作过的物品列表以及每个物品被哪些用户操作过的列表，并构建XGBoost模型训练的样本数据，切分成训练集和测试集；第二步，图表征向量生成，对所有用户的行为序列向量，将物品作为节点，构建图结构，使用二阶随机游走算法得到每个节点的抽样游走数列，将抽样数列视作一段文本，使用skip-gram模型进行向量表示的学习，得到每个节点的向量化表示，从而获得用户的向量化表示和物品的向量化表示；第三步，用户兴趣序列特征向量生成，围绕用户行为序列的情境上下文特征，将用户最近K次操作的物品向量及对最近m次物品向量进行sum_pooling，以其结果作为用户侧近实时和短期偏好特征融入总体特征向量；第四步，用户和物品的静态属性向量生成，利用DSSM分别使用相对独立的两个复杂网络对多维度的用户和物品属性特征分别进行模型训练，生成用户和物品的静态属性向量表示，形成DSSM双塔模型；第五步，基于XGBoost进行模型的训练和预测，利用XGBoost算法作为最后的推荐模型进行训练，对待推荐候选集进行分值预测，按照分值大小排序选取TopK作为最终的推荐结果。
全文数据：
权利要求：
百度查询： 达观数据有限公司 一种基于图表征学习和深度语义匹配模型的个性化推荐方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号