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：重庆长安汽车股份有限公司

摘要：本发明提出一种基于时序建模的物品推荐系统、方法、设备及存储介质，在wide‑and‑deep模型中通过用户ID增强个性化，考虑用户和物品的相关信息，把用户ID这一离散属性进行编码，降低维度，训练双塔模型，更新，当网络达到最优状态时，获得具有物理意义的空间向量，从向量中提取隐含着用户的个性化偏好。本发明加入用户ID增强推荐的个性化、充分利用LSTM结合attention技术对用户行为序列建模，充分挖掘用户偏好。通过对行为序列进行双向循环挖掘提高推荐结果的准确性、多样性的同时减少耗时耗力的特征工程。

主权项：1.一种基于时序建模的推荐系统，其特征在于，该系统包括：日志系统根据输入的用户特征及其上下文获取用户和商品特征信息，通过用户曾经购买商品序列信息，将序列信息根据时间排序，获得用户行为特征序列；推荐系统模型根据用户和商品特征信息、用户行为特征序列计算各特征权重，求权重和，获得用户对物品关注度排序，调用线性整流函数根据关注度排序计算出推荐序列，推荐系统根据推荐序列降序排序，将前n个预定数车型推荐给用户；推荐系统模型为层次化结构，包括输入层、嵌入层、多层感知网络层、因子分解机层、注意力层，输入层分别将用户和商品特征、用户行为特征序列独热编码获得独热编码特征；嵌入层对独热编码特征进行降维，得到用户和商品及其特征的嵌入向量；多层感知网络层、因子分解机层、双向LSTM网络层根据嵌入向量计算FM输出权重、MLP输出权重、Bi-Lstm权重；注意力层对嵌入向量进行加权；线性整流函数ReLU根据上述权重及加权向量计算用户对商品关注度，推荐系统对关注度进行排序，排序前n个预定数车型推荐给用户；多层感知网络层根据用户和商品特征的嵌入向量，调用公式：ai＝fWiai-1+bi计算第i层网络的MLP输出权重Wi，其中，bi为偏置，f为激活函数，ai-1为输入向量，ai输出为输出向量；因子分解机层根据用户和商品特征的嵌入向量，调用公式： 计算预测结果FM，其中，线性部分w,x反应一阶特征的重要性，权重w∈Rd，隐向量Vi∈Rk，内积反应二阶特征的重要性；其中，d为用户行为特征数，Rd为用户和商品特征向量，Rk为用户行为特征向量，j1为第j1个用户行为特征数，xj1,xj2,为第j1，j2个用户行为特征对应的输入变量，x为通过注意力机制确定的与用户和商品特征特征相关的输入变量，Vi，Vj为用户行为特征相关的第i,j个隐向量，k表示空间维度。

全文数据：

权利要求：

百度查询： 重庆长安汽车股份有限公司 基于时序建模的车型推荐系统、方法、设备及存储介质