公开(公告)号：CN112417289B

公开(公告)日：2023-04-07

申请号：CN202011366221.2

申请日：2020-11-29

申请人： 中国科学院电子学研究所苏州研究院

发明人： 廖南星 ,  胡岩峰 ,  段贺 ,  包兴 ,  张尧 ,  吴俊彦

IPC分类号： G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提出了一种基于深度聚类的资讯信息智能推荐方法，对来源不同的数据，在各自领域内对数据分别编码，得到数据在各自领域内的向量表示；构建基于深度神经网络的变分自编码器，对给定向量进行压缩处理，得到多源数据在统一向量空间下的嵌入向量表示，并进行数据重建；综合重构损失、参数重整化约束和聚类损失构建损失函数，训练基于深度神经网络的变分自编码器，确定网络模型层数、权值、重参数的最优组合，以及基于该变分自编码器的聚类中心；基于训练好的变分自编码器，确定给定感兴趣信息的嵌入向量表示，根据感兴趣信息的嵌入向量到各聚类中心的距离，完成资讯信息智能推荐。本发明提高了关联资讯信息推荐的准确度和效率。

公开(公告)号：CN112417289A

公开(公告)日：2021-02-26

申请号：CN202011366221.2

申请日：2020-11-29

申请人： 中国科学院电子学研究所苏州研究院

发明人： 廖南星 ,  胡岩峰 ,  段贺 ,  包兴 ,  张尧 ,  吴俊彦

IPC分类号： G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提出了一种基于深度聚类的资讯信息智能推荐方法，对来源不同的数据，在各自领域内对数据分别编码，得到数据在各自领域内的向量表示；构建基于深度神经网络的变分自编码器，对给定向量进行压缩处理，得到多源数据在统一向量空间下的嵌入向量表示，并进行数据重建；综合重构损失、参数重整化约束和聚类损失构建损失函数，训练基于深度神经网络的变分自编码器，确定网络模型层数、权值、重参数的最优组合，以及基于该变分自编码器的聚类中心；基于训练好的变分自编码器，确定给定感兴趣信息的嵌入向量表示，根据感兴趣信息的嵌入向量到各聚类中心的距离，完成资讯信息智能推荐。本发明提高了关联资讯信息推荐的准确度和效率。