-
公开(公告)号：CN112487274A
公开(公告)日：2021-03-12
申请号：CN202011386336.8
申请日：2020-12-02
Applicant: 重庆邮电大学
IPC: G06F16/9532 , G06F16/9535 , G06F16/33 , G06F16/335 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于文本点击率的搜索结果推荐方法及系统，属于机器学习、和自然语言处理领域，所述方法包括：对搜索文本query和title进行预处理操作；对文本query和title构建特征工程；利用改进DRCN构建的RRSCN深度匹配模型进行特征提取；利用RRSCN深度匹配模型构建预训练模型；根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；本发明根据文本query和title预测query下文本点击率，通过构建特征工程，特征选择工作，构建三输入深度学习文本匹配模型，从而可以更精确的预测文本预估点击率和相关性，准确的给用户推荐最有可能点击的搜索结果，提高用户的体验性。
-
公开(公告)号：CN112487291A
公开(公告)日：2021-03-12
申请号：CN202011362395.1
申请日：2020-11-28
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理，特别涉及一种基于大数据的个性化新闻推荐方法及系统，所述方法包括获取历史数据，对数据集进行预处理操作，并进行预处理；对数据构建特征工程，建立用户属性特征、用户时序特征、新闻属性特征、上下文属性特征以及新闻标题语义特征；根据特征的重要性对特征进行选择，保留重要性最高的前50％的特征作为选择的特征；根据选择的特征建立深度学习模型并进行模型融合操作，利用该模型对实时数据进行预测，将预测的点击率大于0.75的新闻推荐给用户；本发明可以对海量特征进行有效地特征选择，在保证效果的前提下，能减小特征维度，加快模型的训练时间，提高效率，同时降低对内存的要求。
-
公开(公告)号：CN112487274B
公开(公告)日：2023-02-07
申请号：CN202011386336.8
申请日：2020-12-02
Applicant: 重庆邮电大学
IPC: G06F16/9532 , G06F16/9535 , G06F16/33 , G06F16/335 , G06F16/35 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于文本点击率的搜索结果推荐方法及系统，属于机器学习、和自然语言处理领域，所述方法包括：对搜索文本query和title进行预处理操作；对文本query和title构建特征工程；利用改进DRCN构建的RRSCN深度匹配模型进行特征提取；利用RRSCN深度匹配模型构建预训练模型；根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；本发明根据文本query和title预测query下文本点击率，通过构建特征工程，特征选择工作，构建三输入深度学习文本匹配模型，从而可以更精确的预测文本预估点击率和相关性，准确的给用户推荐最有可能点击的搜索结果，提高用户的体验性。
-
公开(公告)号：CN112487291B
公开(公告)日：2022-06-10
申请号：CN202011362395.1
申请日：2020-11-28
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理，特别涉及一种基于大数据的个性化新闻推荐方法及系统，所述方法包括获取历史数据，对数据集进行预处理操作，并进行预处理；对数据构建特征工程，建立用户属性特征、用户时序特征、新闻属性特征、上下文属性特征以及新闻标题语义特征；根据特征的重要性对特征进行选择，保留重要性最高的前50％的特征作为选择的特征；根据选择的特征建立深度学习模型并进行模型融合操作，利用该模型对实时数据进行预测，将预测的点击率大于0.75的新闻推荐给用户；本发明可以对海量特征进行有效地特征选择，在保证效果的前提下，能减小特征维度，加快模型的训练时间，提高效率，同时降低对内存的要求。
-
-
-
Search Results
4
records
(took 0.021 seconds)
