公开(公告)号：CN114565428B

公开(公告)日：2024-08-13

申请号：CN202210129586.6

申请日：2022-02-11

Applicant: 华东师范大学

Inventor： 张伟 ,  严俊冰 ,  王焯 ,  王建勇

IPC: G06Q30/0601 ,  G06N5/045 ,  G06N3/08 ,  G06N3/042

Abstract: 本发明公开了一种基于规则学习网络的商品推荐方法，包括：选取推荐数据集，并对推荐数据集中的特征进行预处理；将预处理完成的特征进行分组，分别输入三个规则模型塔中进行学习；每个规则模型塔分别输出学习到的规则向量后，在网络上层对三个规则模型塔输出的规则向量进行拼接；将用户和物品id做嵌入后拼接，输入具有一个隐层的神经网络，将这个神经网络的输出作为拼接规则向量的权重，相乘后得到预测的点击概率，最终得到用户对该商品的预测评分和推荐理由。本发明解决了原本在规则学习网络中无法使用embedding的问题，在完成对用户推荐物品的同时还给出推荐理由，在模型层面具有可解释性，解决了推荐领域中深度神经网络的黑盒问题。

公开(公告)号：CN114565428A

公开(公告)日：2022-05-31

申请号：CN202210129586.6

申请日：2022-02-11

Applicant: 华东师范大学

Inventor： 张伟 ,  严俊冰 ,  王焯 ,  王建勇

IPC: G06Q30/06 ,  G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于规则学习网络的商品推荐方法，包括：选取推荐数据集，并对推荐数据集中的特征进行预处理；将预处理完成的特征进行分组，分别输入三个规则模型塔中进行学习；每个规则模型塔分别输出学习到的规则向量后，在网络上层对三个规则模型塔输出的规则向量进行拼接；将用户和物品id做嵌入后拼接，输入具有一个隐层的神经网络，将这个神经网络的输出作为拼接规则向量的权重，相乘后得到预测的点击概率，最终得到用户对该商品的预测评分和推荐理由。本发明解决了原本在规则学习网络中无法使用embedding的问题，在完成对用户推荐物品的同时还给出推荐理由，在模型层面具有可解释性，解决了推荐领域中深度神经网络的黑盒问题。

公开(公告)号：CN119312861A

公开(公告)日：2025-01-14

申请号：CN202310855472.4

申请日：2023-07-12

Applicant: 华东师范大学

Inventor： 张伟 ,  马坤 ,  柳永翔 ,  王焯 ,  王建勇

IPC: G06N3/08 ,  G06N3/084 ,  G06F18/23213 ,  G06F18/24

Abstract: 本发明公开了一种可端到端优化的神经规则网络连续输入特征二值化方法，包括如下步骤：获取不同区间的区间中心，以增量的方式对区间中心进行表示；获取区间边界，根据给定特征的最大值和最小值设定两侧的边界，以区间中心为基准设定内部边界；获取连续数值特征的二值向量，计算给定连续特征的某个具体特征值属于每个区间的概率，并通过选择具有最大概率的区间作为所述具体特征值所属区间，进而获得二值向量表征；选择聚类算法并设定聚类损失函数，使聚类损失函数辅助优化区间的划分；采用STE方法直接将二值向量的梯度作为概率分布的梯度，实现区间划分过程的端到端优化。本发明还公开了上述实现上述方法的系统以及上述方法或系统的应用。