The invention discloses a food store recommendation method based on in-depth learning, which comprises the following steps: obtaining the first user's comment data; training the comment data through conditional random field model and word2vec algorithm to obtain the entity label; and training the comment data through emotion analysis algorithm to obtain the comment data. Obtaining emotional judgment data, obtaining store labels based on entity labels and emotional judgment data, and obtaining input data of the second user, identifying the intention of the second user according to the input data and pre-set depth learning algorithm, and determining the intention of the second user as a recommendation store, Recommend labels to second users to complete shop recommendation. The invention can accurately analyze user comments and ensure the accuracy of entity clustering, and can accurately and automatically judge the user's intention, thereby realizing the recommendation in chat context as the input of tags.
【技术实现步骤摘要】
一种基于深度学习的美食门店推荐方法
本专利技术涉及美食推荐领域,具体涉及一种基于深度学习的美食门店推荐方法。
技术介绍
在各种推荐领域中,市面上较为成熟的算法有:基于用户或物品的协同过滤算法、基于用户-物品矩阵分解/基于图模型或关系网络的推荐算法。这些算法在有大量用户与物品交互的数据时显得十分强大及有用。但是,很多情况下我们无法获取大量用户与要推荐的物品间的交互数据,很可能只有用户或者物品单方面的数据。如果只有用户单方面的数据一般情况下只能挖掘出用户或者物品单方面的特征属性,仅仅起到的是对目标进行粗分类并互相匹配的模式。然而,这种方式应用在推荐中效果是十分有限的,无法做到千人千面的推荐,仅能有限地进行分类。在此情况下,主流的算法难以发挥应有的作用。综上所述,现有的主流算法存在如下问题:当无法获取大量用户物品交互数据时,如何实现美食领域的推荐、语境中的自动意图准确判断以及精准美食门店的推荐。
技术实现思路
本专利技术所要解决的技术问题是当无法获取大量用户物品交互数据时,如何实现美食领域的推荐、语境中的自动意图准确判断以及精准美食门店的推荐。为了解决上述技术问题,本专利技术所采用的技术方案是提供一种基于深度学习的美食门店推荐方法,包括以下步骤:获取第一用户的评论数据;通过条件随机场模型和word2vec算法,对所述评论数据进行训练,以得到实体标签,以及还通过情感分析算法,对所述评论数据进行训练,以得到情感判断数据,以及根据所述实体标签和所述情感判断数据,得到商店的标签;以及获取第二用户的输入数据,并根据所述输入数据和预先设置的深度学习算法,识别所述第二用户的意图, ...
【技术保护点】
1.一种基于深度学习的美食门店推荐方法,其特征在于,包括以下步骤:获取第一用户的评论数据;通过条件随机场模型和word2vec算法,对所述评论数据进行训练,以得到实体标签,以及还通过情感分析算法,对所述评论数据进行训练,以得到情感判断数据,以及根据所述实体标签和所述情感判断数据,得到商店的标签;以及获取第二用户的输入数据,并根据所述输入数据和预先设置的深度学习算法,识别所述第二用户的意图,以及在确定所述第二用户的意图为推荐所述商店的情况下,向所述第二用户推荐所述标签,以完成对所述商店的推荐。
【技术特征摘要】
1.一种基于深度学习的美食门店推荐方法,其特征在于,包括以下步骤:获取第一用户的评论数据;通过条件随机场模型和word2vec算法,对所述评论数据进行训练,以得到实体标签,以及还通过情感分析算法,对所述评论数据进行训练,以得到情感判断数据,以及根据所述实体标签和所述情感判断数据,得到商店的标签;以及获取第二用户的输入数据,并根据所述输入数据和预先设置的深度学习算法,识别所述第二用户的意图,以及在确定所述第二用户的意图为推荐所述商店的情况下,向所述第二用户推荐所述标签,以完成对所述商店的推荐。2.根据权利要求1所述的基于深度学习的美食门店推荐方法,其特征在于,获取第一用户的评论数据包括:通过实时爬虫技术获取所述商店的商店数据;根据预设的预处理模块,对所述商店数据进行过滤,以得到所述评论数据,并将所述评述数据保存至数据库。3.根据权利要求1所述的基于深度学习的美食门店推荐方法,其特征在于,通过条件随机场模型和word2vec算法,对所述评论数据进行训练,以得到实体标签包括:通过所...
【专利技术属性】
技术研发人员:袁兰,
申请(专利权)人:杭州鸟瞰智能科技股份有限公司,
类型:发明
国别省市:浙江,33
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。