The invention provides a personalized recommendation system and method based on bidirectional cyclic neural network, and relates to the technical field of personalized recommendation. The personalized recommendation system and method adopt the bi-directional cyclic neural network model to model the user's different behavior and behavior sequence. On the training set, the bi-directional recurrent neural network model is trained by back-propagation algorithm, and the best performance bi-directional neural network model is selected on the verification set. Then the bi-directional neural network model is used to generate personalized recommendation lists corresponding to different users'interests. The invention provides a personalized recommendation system and method based on bidirectional cyclic neural network, and the bidirectional cyclic neural network model constructed by the invention can learn not only the behavior information of the user's past time step but also the behavior information of the user's future time step at a certain time step in the training process, so that the behavior information of the user will be more comprehensive. Modeling and then making better recommendations.
【技术实现步骤摘要】
一种基于双向循环神经网络的个性化推荐系统及方法
本专利技术涉及个性化推荐
,尤其涉及一种基于双向循环神经网络的个性化推荐系统及方法。
技术介绍
当前,网络服务商为用户提供了诸如新闻、商品、图片、视频、音频和文档等(以下统一简称为物品)的在线推荐服务。为更好提供服务追求商业利益最大化,在线推荐服务提供商会记录用户对物品的行为信息,例如记录用户对物品的点击、购买(使用)、转发和评论等。如何根据用户的行为信息为用户提供精准个性化推荐,是个性化推荐系统所面临的重大挑战,其主要表现在:第一、就表达的用户偏好而言,用户的不同行为代表不同的用户偏好。例如,点击、转发物品等行为意味着用户对该物品有兴趣。而用户为物品给予高评分,往往意味着用户喜欢该物品。第二、用户行为发生的时间顺序反映了用户偏好的变化过程。用户行为发生顺序为设计个性化推荐系统时需重点考虑的因素。因此,如何高效利用用户多种行为信息及用户行为发生顺序,为用户提供精准的个性化推荐,是个性化推荐系统设计人员亟待解决的问题。
技术实现思路
针对现有技术的缺陷,本专利技术提供一种基于双向循环神经网络的个性化推荐系统及方法,实现根据用户的行为信息为用户提供精准个性化推荐。一方面,本专利技术提供一种基于双向循环神经网络的个性化推荐系统,包括用户行为收集模块、样本生成模块、权重矩阵确定模块、模型选择模块、模型泛化能力评估模块和个性化推荐列表生成模块;所述用户行为收集模块,收集大量用户对物品的行为信息,并将其发送到样本生成模块;所述样本生成模块,根据用户行为收集模块收集的行为信息,对每一个用户全部行为信息按时间排序并生成相应 ...
【技术保护点】
1.一种基于双向循环神经网络的个性化推荐系统,包括用户行为收集模块、样本生成模块、权重矩阵确定模块、模型选择模块、模型泛化能力评估模块和个性化推荐列表生成模块;所述用户行为收集模块,收集大量用户对物品的行为信息,并将其发送到样本生成模块;所述样本生成模块,根据用户行为收集模块收集的行为信息,对每一个用户全部行为信息按时间排序并生成相应的样本,并形成样本集,在样本集中抽取96%的样本作为训练集,在样本集剩余的样本抽取50%的样本作为验证集,另外50%的样本作为测试集;所述权重矩阵确定模块,在样本生成模块生成的训练集上训练双向循环神经网络模型,确定双向循环神经网络中的权重矩阵;所述模型选择模块,在样本生成模块生成的验证集上进行双向循环神经网络模型的选择;所述模型泛化能力评估模块,在样本生成模块生成的测试集上评估模型选择模块选中的双向循环神经网络模型的模型泛化能力;所述个性化推荐列表生成模块,利用模型泛化能力评估模块评估的具有泛化能力的双向循环神经网络模型为每一个用户生成个性化推荐列表。
【技术特征摘要】
1.一种基于双向循环神经网络的个性化推荐系统,包括用户行为收集模块、样本生成模块、权重矩阵确定模块、模型选择模块、模型泛化能力评估模块和个性化推荐列表生成模块;所述用户行为收集模块,收集大量用户对物品的行为信息,并将其发送到样本生成模块;所述样本生成模块,根据用户行为收集模块收集的行为信息,对每一个用户全部行为信息按时间排序并生成相应的样本,并形成样本集,在样本集中抽取96%的样本作为训练集,在样本集剩余的样本抽取50%的样本作为验证集,另外50%的样本作为测试集;所述权重矩阵确定模块,在样本生成模块生成的训练集上训练双向循环神经网络模型,确定双向循环神经网络中的权重矩阵;所述模型选择模块,在样本生成模块生成的验证集上进行双向循环神经网络模型的选择;所述模型泛化能力评估模块,在样本生成模块生成的测试集上评估模型选择模块选中的双向循环神经网络模型的模型泛化能力;所述个性化推荐列表生成模块,利用模型泛化能力评估模块评估的具有泛化能力的双向循环神经网络模型为每一个用户生成个性化推荐列表。2.采用权利要求1所述的基于双向循环神经网络的个性化推荐系统进行个性化推荐的方法,其特征在于:包括以下步骤:步骤1、用户行为收集模块收集用户对物品的大量行为信息并将其发送到样本生成模块;步骤2、样本生成模块根据用户行为收集模块收集的行为信息,对每一个用户全部行为信息按时间排序并生成相应的样本,集合全部样本形成样本集,在样本集中抽取96%的样本作为训练集,在样本集剩余的样本抽取50%的样本作为验证集,另外50%的样本作为测试集;步骤3、权重矩阵确定模块在样本生成模块生成的训练集上训练双向循环神经网络模型,确定双向循环神经网络中的权重矩阵;步骤4、模型选择模块在样本生成模块生成的验证集上进行双向循环神经网络模型选择,选择表现最优的双向循环神经网络模型;步骤5、模型泛化能力评估模块在样本生成模块生成的测试集上,根据个性化推荐的正确率评估选中的双向循环神经网络模型的泛化能力;步骤6、个性化推荐列表生成模块利用模型泛化能力评估模块评估的具有泛化能力的双向循环神经网络模型为每一个用户生成个性化推荐列表。3.根据权利要求2所述的基于双向循环神经网络的个性化推荐方法,其特征在于:所述步骤3的具体方法为:步骤3.1、基于在线用户对物品的行为信息及用户信息构建双向循环神经网络模型;所述双向循环神经网络包括输入层、隐藏层以及输出层,其中,所述输入层的输入包括用户个人信息U、用户t时刻的行为信息A(t)以及用户t时刻行为的目标物品信息...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。