公开(公告)号：CN111612573B

公开(公告)日：2023-04-25

申请号：CN202010370275.X

申请日：2020-04-30

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  熊昕 ,  殷建 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06Q30/0601 ,  G06N7/01

Abstract: 本发明公开了一种基于全贝叶斯方法的推荐系统评分推荐预测方法法。本发明步骤：步骤1.根据用户过去的购买信息建立用户物品评分矩阵R0；步骤2.根据物品属性信息建立物品词向量矩阵X0；步骤3.利用深度学习方法来提取物品词向量矩阵X0的特征信息，通过成批降噪变分自动编码机模型来提取这种特征信息；成批降噪变分自动编码机模型是整体构架模型的一部分，整体构架模型则为协同成批降噪变分自动编码机。本发明改善了分层贝叶斯结构，使得具有不确定性的推断有了一定的弹性空间，推荐准确度有所上升。同时利用全贝叶斯结构有效提取了物品隐因子向量，一定程度上解决了数据稀疏性带来的推荐效率下降问题。

公开(公告)号：CN111612573A

公开(公告)日：2020-09-01

申请号：CN202010370275.X

申请日：2020-04-30

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  熊昕 ,  殷建 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06Q30/06 ,  G06N7/00

Abstract: 本发明公开了一种基于全贝叶斯方法的推荐系统评分推荐预测方法法。本发明步骤：步骤1.根据用户过去的购买信息建立用户物品评分矩阵R0；步骤2.根据物品属性信息建立物品词向量矩阵X0；步骤3.利用深度学习方法来提取物品词向量矩阵X0的特征信息，通过成批降噪变分自动编码机模型来提取这种特征信息；成批降噪变分自动编码机模型是整体构架模型的一部分，整体构架模型则为协同成批降噪变分自动编码机。本发明改善了分层贝叶斯结构，使得具有不确定性的推断有了一定的弹性空间，推荐准确度有所上升。同时利用全贝叶斯结构有效提取了物品隐因子向量，一定程度上解决了数据稀疏性带来的推荐效率下降问题。