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：山东师范大学

摘要：本发明属于推荐系统和鲁棒性研究领域，提供了一种攻击环境下降低无用信息比重的鲁棒性推荐方法及系统。该方法包括，获取每个条目中的评论信息；对所述评论信息进行情感极性标记，标记后与对应评级分数进行比对，若两者情感极性差距超过设定的阈值，则标记为无用信息，否则，标记为真实信息；基于标记的无用信息和真实信息，采用预测推荐模型，得到每个用户或项目的特征表示；采用注意力机制学习每条评论的权重，分别结合用户或项目的特征表示，得到降低无用用户比例的推荐结果。

主权项：1.攻击环境下降低无用信息比重的鲁棒性推荐方法，其特征在于，包括：获取每个条目中的评论信息，所述每个条目包括评级分数、评论信息、项目ID和用户ID；将每个条目的评论信息进行提取，包括：通过双向LSTM与Glove对每条评论信息的切词与词嵌入，使用字典进行存储与比对，生成预测文本的积极或消极结果；对所述评论信息进行情感极性预测，得到每条评论的预测情感极性；将每条评论的预测情感极性与该评论对应的评级结果进行对比，判定并标记无用信息，包括：在推荐领域中的评分机制中，评级分数为区间[1，5]中的分数，1分为差评最低分，5分为好评最高分，在评级分数的区间内设定中间值3设为情感极性分界线，评级大于3视为积极情感，评级低于3视为消极情感；将评级情感极性与评论情感极性进行对比，若两者情感极性差距超过设定的阈值，则标记为无用信息，否则，标记为真实信息；基于标记的无用信息和真实信息，采用预测推荐模型，得到每个用户或项目的特征表示；采用注意力机制学习每条评论的权重，包括：使用注意力机制学习评估每条评论的权重，选出对项目有意义的评论，然后聚合有用信息来描述项目或用户；为了识别输出无意义评论的用户，引入每个用户与项目独有的信息即ID信息嵌入来模拟用户质量，以针对性信息来提高模型的泛化效果，最终输出离散注意力得分，使用softmax函数来标准归一化离散注意力得分；分别结合每个用户或项目的特征表示，包括：分别将每个用户或项目的特征表示与所有评论的权重相乘，然后分别得到用户或项目的特征向量；使用LFM组件来完成预测评级产生最终推荐，得到降低无用用户比例的推荐结果；包括：引入从用户及项目中学习到的潜在表示，分别与用户表示、项目表示对应相加进而点乘两部分信息，输出n维向量，然后将其传递到预测层，预测层将权重与n维向量相乘，然后与用户、项目和全局偏差相加，获得预测评级分数；最终的结果是基于所有项目的评级预测分数，产生最终项目推荐结果。

全文数据：

权利要求：

百度查询： 山东师范大学 攻击环境下降低无用信息比重的鲁棒性推荐方法及系统