公开(公告)号：CN112256859A

公开(公告)日：2021-01-22

申请号：CN202011147322.0

申请日：2020-10-23

Applicant: 辽宁工程技术大学

Inventor： 张全贵 ,  王天昊 ,  李鑫

IPC: G06F16/335 ,  G06F16/9535 ,  G06F16/9536 ,  G06N3/04

Abstract: 本发明公开了一种基于双向长短期记忆网络显式信息耦合分析的推荐方法，包括数据采集和处理、划分数据集、构建耦合模型、训练模型和项目推荐。本发明通过分析用户及项目相关的显式短文本信息之间微观的耦合关系，将BiLSTM双向长短期记忆网络和Attention注意力机制结合，得到融合了重要上下文信息的显式文本特征表示，结合隐式特征，从中分析出评论文本信息与用户主观情感之间的耦合关系，更好地表达用户的主观偏好，并融合用户/项目特征的显‑隐式耦合关系，为用户提供更准确的个性化推荐。同时，本发明采用卷积神经网络有助于更深层次的学习特征间的交互。

公开(公告)号：CN112084415A

公开(公告)日：2020-12-15

申请号：CN202010982167.8

申请日：2020-09-17

Applicant: 辽宁工程技术大学

Inventor： 张全贵 ,  王天昊 ,  李鑫

IPC: G06F16/9535 ,  G06Q10/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于用户和项目长短期时间耦合关系分析的推荐方法，包括数据采集和处理、划分数据集、构建耦合模型、训练模型和项目推荐。本发明运用了LSTM算法学习了用户及项目在长短期时间内的动态特征信息，使推荐系统具有更好的推荐效果和可解释性，从非独立同分布的角度探究用户/项目之间的耦合关系，并考虑到了其中长短期动态耦合，利用MLP多层感知器捕获了用户/项目之间的动态耦合关系，提高了推荐的质量和准确度；将非独立同分布及将长短期时间因素作为动态特征结合到了协同过滤中，可以较好的解决数据稀疏性和冷启动问题。

公开(公告)号：CN112084415B

公开(公告)日：2024-02-02

申请号：CN202010982167.8

申请日：2020-09-17

Applicant: 辽宁工程技术大学

Inventor： 张全贵 ,  王天昊 ,  李鑫

IPC: G06F16/9535 ,  G06Q10/10 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于用户和项目长短期时间耦合关系分析的推荐方法，包括数据采集和处理、划分数据集、构建耦合模型、训练模型和项目推荐。本发明运用了LSTM算法学习了用户及项目在长短期时间内的动态特征信息，使推荐系统具有更好的推荐效果和可解释性，从非独立同分布的角度探究用户/项目之间的耦合关系，并考虑到了其中长短期动态耦合，利用MLP多层感知器捕获了用户/项目之间的动态耦合关系，提高了推荐的质量和准确度；将非独立同分布及将长短期时间因素作为动态特征结合到了协同过滤中，可以较好的解决数据稀疏性和冷启动问题。