【技术实现步骤摘要】
一种基于因子分解机的神经注意力机制手机应用推荐模型
本专利技术属于电子商务
，涉及一种融合注意力机制的神经网络手机应用推荐模型。
技术介绍
互联网应用程序的许多预测性任务需要建模分类变量，比如为用户进行手机应用的推荐。为了应用标准的机器学习技术，这些预测模型总是通过独热编码方法转换成一组二进制特征，使得合成的特征向量高度稀疏。要从这些稀疏的数据中学习有效信息，对特征之间的相互作用进行提取是至关重要的。研究发现，人们通常在吃饭的时间段下载送餐的应用，这可以看出，应用的类别和时间戳的二阶交互可以看作手机应用推荐的信号。而因子分解机是一个较为流行的提取特征交互的方式，以线性的方式提取特征间的交互，但是由于其复杂度，通常只考虑到二阶的特征交互，无法捕获高阶的特征交互，此外，因子分解机对所有的特征交互都采用相同的权重，即对于不同的预测结果特征的重要程度都相同，这很有可能引入噪声，并对推荐性能造成不利影响。近几年，深度神经网络在工业领域应用十分广泛，用于非线性特征交互的学习，取得了不错的成果，但是模型结构复杂，优化较为困难。本专利...
【技术保护点】
1.一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：构建一个新型的手机应用推荐模型，然后把不同场景下的手机应用日志数据输入该推荐模型，将其作为训练数据训练该模型，待训练的模型损失最低时，投入新的用户数据，则该模型便能推荐给不同用户喜欢的不同手机应用，实现个性化的推荐，从而提高用户的满意度。/n
【技术特征摘要】
1.一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：构建一个新型的手机应用推荐模型，然后把不同场景下的手机应用日志数据输入该推荐模型，将其作为训练数据训练该模型，待训练的模型损失最低时，投入新的用户数据，则该模型便能推荐给不同用户喜欢的不同手机应用，实现个性化的推荐，从而提高用户的满意度。
2.如权利要求1所述的一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：对构建的新型手机应用推荐模型进行训练。
3.如权利要求1所述的一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：经过训练好的手机应用推荐模型输出的数据则为给用户推荐的个性化手机应用。
4.一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：具体包括以下步骤：
（1）获取手机应用日志的训练数据、测试数据，并将训练数据划分出一部分的验证集，训练集、验证集和测试集的比例为7：2：1；
（2）构建基于因子分解机的神经注意力机制手机应用推荐模型，利用其训练数据进行模型的训练；
（3）利用手机应用日志验证集数据进行模型的调参，使得损失函数最小，模型最优；
（4）将手机应用日志测试数据输入至所构建的推荐模型中，得到其网络的输出，则为用户的个性化手机应用推荐。
5.如权利要求4所述的一种基于因子分解机的神经注意力机制手机应用推荐方法，其特征是：所述步骤（1）中，手机应用日志数据的训练集、验证集和测试集为随机分类。
6.如权利要求4所述的一...
【专利技术属性】
技术研发人员：张志军，温鹏，袁卫华，徐功文，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37
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。