一种改进CNNs的机场个性化服务方法技术

本发明专利技术公开了一种改进卷积神经网络(Convolutional Neural Networks,CNNs)的机场个性化服务方法。机场面积广阔，商品繁多，用户在机场时间有限，用户想要在有限的时间购买到自己想买的商品是相对困难的。本发明专利技术是第一个关于机场的用户个性化服务方法，同时改进了CNNs。本发明专利技术提出了一种新的激活函数——混合激活函数(Mixed Activation Functions,MAFs)，MAFs完全不同于现有的激活函数，克服了饱和区，非原点对称，忽略负输入，梯度爆炸和梯度弥散的问题。本发明专利技术提出了一种新的卷积方式“same”的图片边缘数据填充方法——边缘填充(Edge Padding)，Edge Padding相对于现有的zero padding在图片边缘数据填充更合理。

【技术实现步骤摘要】
一种改进CNNs的机场个性化服务方法
本专利技术涉及到信息
，特别涉及到一种改进CNNs的机场个性化服务方法。
技术介绍
机场面积广阔，商品繁多，用户在机场时间有限，用户想要在有限时间内购买到自己想买的商品是相对困难的。近十年来，个性化服务的研究和应用愈来愈热，个性化服务的研究主要基于以下4种算法，协同过滤(CollaborativeFiltering,CF)，矩阵分解(MatrixFactorization,MF)，聚类，深度学习。然而，CF和MF这两种算法过于简单以至于只适合小型系统，而聚类又是一种比较弱的个性化推荐算法，因为这种算法的本质是识别用户组，并对这个组类的用户推荐相同的内容。因为大数据时代的到来和近几年发展迅速的深度学习，所以有越来越多的个性化服务研究基于深度学习。深度学习有许多模型，比如CNNs，堆叠自动编码器(StackedAuto-Encoders,SAEs)，深度信念网络(DeepBeliefNetworks,DBNs)，受限玻尔兹曼机(RestrictedBoltzmannMachines,RBMs)和循环神经网络(RecurrentNeuralNetworks,RNNs)。现如今应用成功的模型主要是CNNs和RNNs，因为这两个模型的参数相对于其他模型少得多。RNNs主要应用于语音识别领域，与时间序列相关；CNNs主要应用于计算机视觉领域，如图片识别，目标探测，人脸识别。本专利技术公开的机场个性化服务系统是基于CNNs，因为用户信息不关于时间和序列，同时本专利技术将数据转换成了图片数据。CNNs一般由输入层，循环的卷积层、激活层、池化层，全连接层和输出层组成。为了挖掘数据内的复杂关系，激活层将卷积层的输出非线性映射。激活层的激活函数有许多，如基础的s形函数(sigmoid)，双曲正切函数(tanh)，修正线性单元(RectifiedLinearUnit,ReLU)，以及改进的ReLU激活函数，如泄露修正线性单元(Leaky-ReLU)，带参修正线性单元(ParametricReLU)，指数线性单元(ExponentialLinearUnit,ELU)，见图5和图6。sigmoid函数有饱和区，非原点对称问题，tanh有饱和区的问题，同时sigmoid和tanh在反向传播时都有梯度爆炸和梯度弥散的问题。ReLU虽然解决了饱和区、梯度爆炸和梯度弥散等问题，但是它忽略了负输入部分，使得输出总是正值。改进的ReLU激活函数虽然解决了忽略负输入的问题，但是一定程度上增加了梯度爆炸和梯度弥散的问题。卷积层是CNNs最重要的层，卷积方式有两种，分别为”valid”和”same”。CNNs的输入是图片数据，图片数据大小是确定的，如果选择卷积方式”valid”。最后的输出图片大小会特别小，随着CNNs层级越深，输出图片越小，甚至不能成功建立CNNs模型。所以一般选择的卷积方式是”same”，“same”方式的本质是在图片数据卷积前对图片边缘填充数值0，从而达到输出大小等于卷积前输入大小。但是在图片边缘填充数值0是不合理的，因为图片数值不会突然变化太大，应该与周围的数值相似。
技术实现思路
针对缺失机场个性化服务系统，现有的激活函数饱和区、非原点对称、忽略负输入和梯度爆炸或梯度弥散等问题以及卷积方式”same”zeropadding不合理，本专利技术提供了一种改进CNNs的机场个性化服务方法，其目的在于为位于广阔机场，商品繁多，时间有限的用户提供个性化服务，预测用户想购买商品，同时给出商品地址。其目的在于改进现有激活函数，解决饱和区、非原点对称、忽略负输入和梯度爆炸或梯度弥散等问题。其目的在于改进现有卷积方式”same”的zeropadding，使图片边缘填充更合理。为实现上述专利技术目的，本专利技术提供了一种改进CNNs的机场个性化服务方法，其特征在于，包括如下步骤：(1)收集用户的信息Dc；(2)对用户信息Dc预处理得到DP；(3)将预处理后的转换成图片数据I；(4)卷积方式选择的是”same”,对图片数据I边缘填充得到IED；(5)卷积核与边缘填充后的图片数据IED卷积运算得到ICONV；(6)激活函数MAFs非线性映射卷积后的ICONV得到IACT；(7)对非线性处理后的IACT池化处理得到IP；(8)重复步骤(4)-(7)，得到IF；(9)IF输入到全连接层得到IFC；(10)IFC作为输出层的输入，输出层预测用户想购买的商品，并且给出商品具体地址。进一步的，所述步骤(2)预处理分为两个步骤，分别是量化预处理和归一化预处理。进一步的，所述步骤(3)的转换成图片数据是将预处理后的DP转换成n*n的灰度图片数据，假设用户信息Dc有n*n项。进一步的，所述步骤(4)的对图片数据I边缘填充，使用的是本专利技术提出的EdgePadding技术，而不是已有的zeropadding技术。进一步的，所述的EdgePadding，其特征在于，填充图片边缘的数值是等于填充前的图片边缘数值，不是填充0于图片边缘。相对于zeropadding，EdgePadding对于图片边缘填充更合理，EdgePadding方式见图2。进一步的，所述步骤(6)的激活函数为本专利技术提出的MAFs。进一步的，所述的激活函数MAFs，其特征在于，此激活函数组是由两个激活函数组成，见公式(1-2)。MAFs函数图像见图3和图4。进一步的，所述的公式(1-2),其特征在于，当x∈(-15,15)，MAFs没有饱和区的问题。进一步的，所述的公式(1-2),其特征在于，这两个函数都关于原点对称。进一步的，所述的公式(1-2),其特征在于，这两个函数对于负输入都有相应的计算。进一步的，所述的公式(1-2),其特征在于，激活函数组的梯度相乘为1，解决了梯度爆炸和梯度弥散的问题。两个函数梯度见公式(3-4)。如上所述，本专利技术的一种改进CNNs的机场个性化服务方法，具有以下有益效果：本专利技术是第一个关于机场的用户个性化服务方法，同时改进了CNNs。本专利技术提出了一种新的激活函数——混合激活函数(MixedActivationFunctions,MAFs)，MAFs完全不同于现有的激活函数，克服了饱和区，非原点对称，忽略负输入，梯度爆炸和梯度弥散的问题。本专利技术提出了一种新的卷积方式“same”的图片边缘数据填充方法——边缘填充(EdgePadding),EdgePadding相对于现有的zeropadding在图片边缘数据填充更合理。附图说明图1是本专利技术一种改进CNNs的机场个性化服务方法流程示意图。图2是本专利技术提出的EdgePadding方法示意图。图3是本专利技术提出的激活函数MAFs第一个函数图。图4是本专利技术提出的激活函数MAFs第二个函数图。图5是一些典型的激活函数图。图6是一些改进ReLU激活函数图像。图7是本专利技术提出的激活函数MAFs与现有的激活函数在收集数据库上的准确度对比。图8是本专利技术提出的卷积方式”same”的图片边缘填充EdgePadding与现有的zeropadding在收集数据库上的准确度对比。图9是本专利技术提出的激活函数MAFs和卷积方式”same”的图片边缘填充EdgePadding与现有的激活函数和zeropadding在收集数据库上的准本文档来自技高网...

【技术保护点】
1.一种改进CNNs的机场个性化服务方法，其特征在于，包括如下步骤：(1) 收集用户的信息DC；(2) 对用户信息DC预处理得到DP；(3) 将预处理后的DP转换成图片数据I；(4) 卷积方式选择的是 ”same”，对图片数据I边缘填充得到IED；(5) 卷积核与边缘填充后的图片数据IED卷积运算得到ICONV；(6) 激活函数MAFs非线性映射卷积后的ICONV得到IACT；(7) 对非线性处理后的IACT池化处理得到IP；(8) 重复步骤(4)‑(7)，得到IF；(9) IF输入到全连接层得到IFC；(10) IFC作为输出层的输入，输出层预测用户想购买的商品，并且给出商品具体地址。

【技术特征摘要】
1.一种改进CNNs的机场个性化服务方法，其特征在于，包括如下步骤：(1)收集用户的信息DC；(2)对用户信息DC预处理得到DP；(3)将预处理后的DP转换成图片数据I；(4)卷积方式选择的是”same”，对图片数据I边缘填充得到IED；(5)卷积核与边缘填充后的图片数据IED卷积运算得到ICONV；(6)激活函数MAFs非线性映射卷积后的ICONV得到IACT；(7)对非线性处理后的IACT池化处理得到IP；(8)重复步骤(4)-(7)，得到IF；(9)IF输入到全连接层得到IFC；(10)IFC作为输出层的输入，输出层预测用户想购买的商品，并且给出商品具体地址。2.根据权利要求1所述的一种改进CNNs的机场个性化服务方法，其特征在于，所述步骤(2)预处理分为两个步骤，分别是量化预处理和归一化预处理。3.根据权利要求1所述的一种改进CNNs的机场个性化服务方法，其特征在于，所述步骤(3)的转换成图片数据是将预处理后的DP转换成n*n的灰度图片数据，假设用户信息DC有n*n项。4.根据权利要求1所述的一种改进CNNs的机场个性化服务方法，其特征在于，所述步骤(4)的对图片数据I边缘填充，使用的是本...

【专利技术属性】
技术研发人员：王再见，李志鹏，张有健，徐晨，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34