一种基于深度学习的电影推荐方法技术

本发明专利技术公开了一种基于深度学习的电影推荐方法，采用Replicated Softmax模型作为受限玻尔兹曼机的可见层，将用户数据预处理成二维向量input(评分，电影)输入至Replicated Softmax模型中；随机初始化学习参数，可见层与隐藏层逐层正反向推断，通过吉布斯采样分别获得隐藏层状态和可见层的softmax状态；完成采样后利用对比散度法进行快速学习，不断调参、迭代，训练出适配该用户的模型。本发明专利技术对传统的条件受限玻尔兹曼机进行改进，设计了一个适配以电影评分为基准的条件受限玻尔兹曼机；本发明专利技术能够解决传统协同过滤推荐算法存在的过拟合、冷启动等问题。

【技术实现步骤摘要】
一种基于深度学习的电影推荐方法
本专利技术涉及电影推荐
，尤其涉及一种基于深度学习的电影推荐方法。
技术介绍
推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。与搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。目前的推荐系统主要分为三类：基于内容的推荐系统、基于协同过滤的推荐系统和混合型推荐系统。基于内容的推荐系统其实本质上可以简化为一个回归问题，其将电影内容、情节作为特征值进行提取分类，然后预测用户对电影的评分，最后根据评分结果进行推荐。基于协同过滤的推荐系统一般以通过计算用户之间的相似度和电影之间的相似度的方式，来学习用户间和电影间潜在的特征，根据这个潜在的特征对用户评分进行预测。混合型推荐系统又称组合推荐系统，意在将多种推荐技术进行混合相互弥补缺点，从而获得更好的推荐结果。目前研究最多的当属内容推荐和协同过滤推荐的混合。最简单的做法就是分别用基于内容的方法和协同过本文档来自技高网...

【技术保护点】
一种基于深度学习的电影推荐方法，其特征在于，包括：步骤1、采用Replicated Softmax模型作为受限玻尔兹曼机的可见层，基于上述改进的受限玻尔兹曼机构建深度玻尔兹曼机；步骤2、将用户数据预处理成二维向量input(评分，电影)输入至Replicated Softmax模型中；步骤3、深度玻尔兹曼机随机初始化学习参数，所述学习参数包括权值参数和偏好参数；步骤4、从可见层向隐藏层逐层正向推断，并从隐藏层向可见层逐层反向推断；步骤5、通过吉布斯采样分别获得隐藏层状态和可见层的softmax状态；步骤6、完成采样后利用对比散度法进行快速学习，不断地对学习参数进行调整，不断迭代上述操作，最后训...

【技术特征摘要】
1.一种基于深度学习的电影推荐方法，其特征在于，包括：步骤1、采用ReplicatedSoftmax模型作为受限玻尔兹曼机的可见层，基于上述改进的受限玻尔兹曼机构建深度玻尔兹曼机；步骤2、将用户数据预处理成二维向量input(评分，电影)输入至ReplicatedSoftmax模型中；步骤3、深度玻尔兹曼机随机初始化学习参数，所述学习参数包括权值参数和偏好参数；步骤4、从可见层向隐藏层逐层正向推断，并从隐藏层向可见层逐层反向推断；步骤5、通过吉布斯采样分别获得隐藏层状态和可见层的softmax状态；步骤6、完成采样后利用对比散度法进行快速学习，...

【专利技术属性】
技术研发人员：沈琦，刘康迪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11