【技术实现步骤摘要】
5G应用领域中一种基于异构双层网络的医疗资讯推荐方法
[0001]本专利技术属于互联网服务
，尤其是涉及5G应用领域中一种基于异构双层网络的医疗资讯推荐方法。
技术介绍
[0002]5G网络作为新兴网络正在逐步取代4G通信网络，5G网络指第五代移动通信网络，与第四代移动网络相比，5G网络在实际应用过程中具有高速率、低时延等特点。5G网络的低时延特点，使得它在医疗领域中广受欢迎，如用户越来越喜欢在移动设备端浏览医疗资讯。然而医疗资讯平台中的医疗信息体量过于庞大，用户很难从中找到有用信息。并且很多时候，用户在医疗资讯平台浏览资讯时，并没有明显的目的，只是想打发时间。因此，推荐系统显得尤为重要。推荐系统根据用户历史行为信息，捕捉用户兴趣，预测用户下一个感兴趣的医疗资讯。
[0003]在医疗资讯平台中，用户的行为可以分为点击和未点击行为。点击行为指平台给用户展示了医疗资讯的标题和缩略信息后，用户点击了该资讯。未点击行为指平台给用户展示了医疗资讯后，用户未点击，而是跳过了该资讯。现有的推荐方法在对用户的点击和未点击行为建...
【技术保护点】
【技术特征摘要】
1.5G应用领域中一种基于异构双层网络的医疗资讯推荐方法，其特征在于：采用异构双层网络对用户的异构行为序列建模，得到序列中每个物品的隐向量；用户集合是U,物品集合是V；用户u
i
的异构行为序列为其中下标l表示用户u
i
行为序列的长度，序列中第个t个物品表示为v
t
，v
t
∈V；对于任一物品v
t
，它的向量表征是x
t
；这里的物品代表医疗资讯；本方法中提出异构双层网络对用户的异构行为序列进行建模，得到序列中每个物品的隐向量；异构双层网络由两层组成，第一层是全曝光层，表示平台给用户展示的全部医疗资讯，包含用户的点击行为和未点击行为；第二层是转化层，表示用户的点击行为，即平台给用户展示这些医疗资讯后，用户点击进去看了该资讯；用门变量g
t
表示用户u
i
的异构行为序列中v
t
是否被用户点击；若g
t
＝1，表示用户点击物品v
t
；若g
t
＝0，表示用户未点击物品v
t
；异构双层网络对这两层中的物品的隐向量进行更新，具体步骤如下：第一层是全曝光层，序列中节点的记忆单元和隐向量更新公式如下:第一层是全曝光层，序列中节点的记忆单元和隐向量更新公式如下:第一层是全曝光层，序列中节点的记忆单元和隐向量更新公式如下:第一层是全曝光层，序列中节点的记忆单元和隐向量更新公式如下:第一层是全曝光层，序列中节点的记忆单元和隐向量更新公式如下:其中，和分别是输入门、遗忘门和输出门；和是当前节点的记忆单元和隐向量，和是上一节点的记忆单元和隐向量；这里和的上标“1”表示第一层全曝光层；层；和是矩阵向量，和是向量参数；σ为sigmoid激活函数，tanh是tanh激活函数；x
t
是序列中物品v
t
的向量表征，也是当前节点的输入；输入门公式征，也是当前节点的输入；输入门公式中表示当前节点的输入信息包含两个：当前节点代表的物品向量x
t
和上一个节点的隐向量；如果上一个节点是点击行为，那么当前节点的输入是上一个节点第二层转化层的隐向量如果上一个节点是未点击行为，那么当前节点的输入是上一个节点第一层全曝光层的隐向量第二层是转化层，序列中节点的记忆单元和隐向量更新公式如下:第二层是转化层，序列中节点的记忆单元和隐向量更新公式如下:第二层是转化层，序列中节点的记忆单元和隐向量更新公式如下:第二层是转化层，序列中节点的记忆单元和隐向量更新公式如下:第二层是转化层，序列中节点的记忆单元和隐向量更新公式如下:其中，和分别是输入门、遗忘门和输出门；和是当前节点的记忆单元和隐向量，和是上一节点的记忆单元和隐向量；公式中参数的上标“2”表示是第二
层转化层的参数；是当前节点的输入，来自于第一层全曝光层的隐向量；和是矩阵向量，和是向量参数；σ为sigmoid激活函数，tanh是tanh激活函数；记忆单元和隐向量的更新公式表示，当g
t
＝1时，即当前物品被点击，对记忆单元和隐向量进行信息更新；否则，直接复制该层上一节点的记忆单元和隐向量采用基于目标物品的注意力机制，得到用户的兴趣信息和厌恶信...
【专利技术属性】
技术研发人员：刘琛，毛夏薇，曹兴兵，董津，赵铁猫，
申请(专利权)人：浙江纳里数智健康科技股份有限公司，
类型：发明
国别省市：
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。