基于改进的生成对抗网络的评分预测方法技术

本发明专利技术公开了基于改进的生成对抗网络的评分预测方法，主要涉及计算机应用技术领域；包括步骤：S1、利用编码器学习用户交互数据的特征并进行表示，然后将编码器的输入与输出看作联合分布，并输入到判别器；S2、将用户隐式交互矩阵输入到生成器中，由生成器学习用户的兴趣分布，并将生成器的输出与输入看作联合分布，输入到判别器；S3、将训练得到两个联合分布分别输入到判别器中，判别器判断输入数据的来源；S4、当训练到最优时，两个联合分布基本相同，此时将用户的每个项目输入到生成器中，为用户提供他们可能更感兴趣的项目；本发明专利技术可以利用学习到的交互特征，进一步提升模型学习用户兴趣分布的能力，以提高评级预测的准确性。以提高评级预测的准确性。以提高评级预测的准确性。

【技术实现步骤摘要】
基于改进的生成对抗网络的评分预测方法


[0001]本专利技术涉及计算机应用
，具体是基于改进的生成对抗网络的评分预测方法。

技术介绍

[0002]目前，基于协同过滤的推荐算法一直是推荐领域使用最广泛、最主流的方法之一，协同过滤是根据已有用户与项目交互的历史数据推测未知数据，启发式的协同过滤推荐算法主要分为三种：一种是基于用户的协同过滤算法，通过计算用户之间的相似度为用户推荐可能喜欢的项目；一种是基于项目的协同过滤算法,通过计算项目之间的相似度，从而向用户推荐；一种是基于模型的协同过滤算法，利用已有的部分稀疏数据来预测那些空白的物品和数据之间的评分关系，从而找到用户可能感兴趣的项目。随着深度学习的不断发展，生成对抗网络(Generative Adversarial Networks)已经被成功应用到推荐领域。生成对抗网络拥有生成模型和判别模型，但在训练过程中，生成器试图欺骗鉴别器，并让其认为生成模型中的数据是真实数据，鉴别器试图正确判断真实数据，在GAN训练期间，生成模型试图通过输入假数据生成真实数据，而区别模型则估计数据为真或假的可能性(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进的生成对抗网络的评分预测方法，其特征在于，包括步骤：S1、首先将用户交互历史输入到编码器中，利用编码器学习用户交互数据的特征并进行表示，然后将编码器的输入与输出看作联合分布，并输入到判别器；S2、将用户隐式交互矩阵输入到生成器中，由生成器学习用户的兴趣分布，并将生成器的输出与输入看作联合分布，输入到判别器；S3、将训练得到两个联合分布分别输入到判别器中，判别器判断输入数据的来源，如果来自于编码器，则输出的值越接近于1越好，如果来源于生成器，则输出的值越接近于0越好，编码器与生成器两者做对抗训练，以使两个联合分布尽可能的接近；S4、当训练到最优时，两个联合分布基本相同，此时将用户的每个项目输入到生成器中，对每个项目生成一个评分，并做一个排序，为用户提供他们可能更感兴趣的项目。2.根据权利要求1所述的基于改进的生成对抗网络的评分预测方法，其特征在于，步骤S1中，以用户...

【专利技术属性】
技术研发人员：秦继伟，宋晓远，郑炅，
申请(专利权)人：新疆大学，
类型：发明
国别省市：