公开(公告)号：CN110866145B

公开(公告)日：2023-10-31

申请号：CN201911080135.2

申请日：2019-11-06

Applicant: 辽宁工程技术大学

Inventor： 张全贵 ,  胡嘉燕 ,  李鑫

IPC: G06F16/735 ,  G06N3/048

Abstract: 本发明公开了一种共同偏好辅助的深度单类协同过滤推荐方法，步骤为：数据采集与处理；划分数据集；构建共同偏好辅助的模型；训练模型和项目推荐。本发明采用的个人深度潜在因素表示网络(DLFR)可以单独出来作为预测用户项目交互的概率，也可以作为共同偏好辅助的深度单类协同过滤推荐模型中的一个子网络，输出用户项目交互的耦合关系。本发明使用单类协同过滤(OCCF)以及深度神经网络(MLP)学习用户邻居对于项目类别的共同偏好以及用户与项目之间的交互，有助于学习更深层次的用户邻居偏好对用户项目交互的影响，具有良好的推荐准确度和可解释性。

公开(公告)号：CN110866145A

公开(公告)日：2020-03-06

申请号：CN201911080135.2

申请日：2019-11-06

Applicant: 辽宁工程技术大学

Inventor： 张全贵 ,  胡嘉燕 ,  李鑫

IPC: G06F16/735 ,  G06N3/04

Abstract: 本发明公开了一种共同偏好辅助的深度单类协同过滤推荐方法，步骤为：数据采集与处理；划分数据集；构建共同偏好辅助的模型；训练模型和项目推荐。本发明采用的个人深度潜在因素表示网络(DLFR)可以单独出来作为预测用户项目交互的概率，也可以作为共同偏好辅助的深度单类协同过滤推荐模型中的一个子网络，输出用户项目交互的耦合关系。本发明使用单类协同过滤(OCCF)以及深度神经网络(MLP)学习用户邻居对于项目类别的共同偏好以及用户与项目之间的交互，有助于学习更深层次的用户邻居偏好对用户项目交互的影响，具有良好的推荐准确度和可解释性。