公开(公告)号：CN109598586B

公开(公告)日：2022-11-15

申请号：CN201811455085.7

申请日：2018-11-30

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  单晨琪 ,  郑丽颖

IPC: G06Q30/06 ,  G06K9/62

Abstract: 本发明属于计算机技术领域中的推荐系统领域，具体涉及一种基于注意力模型的推荐方法。本发明首先将用户对商品的评分表示成用户商品评分矩阵；然后,将用户评论中的词语映射成词向量，作为双向循环神经网络的输入，并在双向循环神经网络的隐层之后加入注意力模型，用于提取重要情感词语的特征；接着，通过注意力模型为每条评论生成情感评分；最后，将用户对商品的真实评分与情感评分进行加权，更新用户评分矩阵，使用传统的协同过滤推荐方法为用户进行推荐。本发明可以有效的改善传统的推荐方法中对输入信息的稀释问题，同时考虑用户的情感因素对评论结果的影响，能够更准确地更正用户的评分行为，进而提高了推荐的准确率。

公开(公告)号：CN109598586A

公开(公告)日：2019-04-09

申请号：CN201811455085.7

申请日：2018-11-30

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  单晨琪 ,  郑丽颖

IPC: G06Q30/06 ,  G06K9/62

Abstract: 本发明属于计算机技术领域中的推荐系统领域，具体涉及一种基于注意力模型的推荐方法。本发明首先将用户对商品的评分表示成用户商品评分矩阵；然后,将用户评论中的词语映射成词向量，作为双向循环神经网络的输入，并在双向循环神经网络的隐层之后加入注意力模型，用于提取重要情感词语的特征；接着，通过注意力模型为每条评论生成情感评分；最后，将用户对商品的真实评分与情感评分进行加权，更新用户评分矩阵，使用传统的协同过滤推荐方法为用户进行推荐。本发明可以有效的改善传统的推荐方法中对输入信息的稀释问题，同时考虑用户的情感因素对评论结果的影响，能够更准确地更正用户的评分行为，进而提高了推荐的准确率。

公开(公告)号：CN107507054A

公开(公告)日：2017-12-22

申请号：CN201710606791.6

申请日：2017-07-24

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  李光 ,  单晨琪 ,  夏琳琳 ,  沈洁 ,  郑丽颖 ,  高迪

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

CPC classification number: G06Q30/0631 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为一种基于循环神经网络的推荐算法，涉及推荐算法领域；该算法首先提出一个引入商品评分信息的基于循环神经网络(Recurrent Neural Network,RNN)推荐算法的模型框架Rating-RNN，对用户将要消费哪一个商品作出准确的预测。然后提出一个基于循环神经网络推荐算法的模型框架Category-RNN，对用户将要消费哪一类别的商品作出预测。最后，将Rating-RNN与Category-RNN输出层合并，形成能够并行训练的Mixing-RNN。对用户的消费历史进行建模，利用用户的评分信息以及商品类别信息等多种特征，能够捕获用户兴趣的演变，可以有效的提高推荐算法的评估指标。