【技术实现步骤摘要】
本专利技术提供了一种结合深度学习与信息融合的资源推荐方法，旨在解决推荐系统中的数据稀疏问题，通过利用用户的评论、评分以及信任信息发掘用户的偏好，从而更好的为目标用户生成相应的推荐。
技术介绍
1、近年来，随着网络信息的爆炸性增长,各种各样的信息被提供给用户,如何帮助用户筛选出自己喜欢的物品,成为众多专家、学者关注的问题。为了解决这一问题,诞生了推荐系统,它是一种信息过滤系统，通过学习和预测用户的偏好，向用户推荐符合用户偏好的物品。目前，推荐系统在课程学习、在线观影和社交网络等许多领域中得到了广泛的应用，并为许多行业带来了巨大的效益。推荐系统可以有效地对信息进行过滤和筛选，帮助用户以个性化的方式来检索符合其需求的信息资源，缓解信息过载的问题。推荐技术经过不断的发展和更新，已经在教育、音乐、电子商务、社交网络等领域广泛应用。推荐系统已经得到了广泛的研究和部署，其目的是通过诸如购买等交互数据向用户推荐物品。
2、基于推荐机制，推荐系统被划分为以下3类:(1)基于内容的推荐系统，(2)基于协同过滤的推荐系统，(3)融合以上两者的混合...
【技术保护点】
1.一种基于卷积神经网络与图神经网络的信息融合资源推荐方法，其特征在于：在卷积神经网络中加入了注意力机制，并结合图神经网络以缓解数据稀疏的问题，以准确的给用户推荐相应的偏好，具体包括以下步骤完成判断该信息是否推荐给用户：
2.根据权利要求1所述的基于卷积神经网络与图神经网络的信息融合资源推荐方法其特征在于：所述S1把两种网络的特征相结合，其模型进一步包括以下特征：
3.根据权利要求1所述的基于卷积神经网络与图神经网络的信息融合资源推荐方法其特征在于：所述S2通过在CNN模型加入注意力机制来处理评论信息，其模型进一步包括以下特征：
4...
【技术特征摘要】
1.一种基于卷积神经网络与图神经网络的信息融合资源推荐方法，其特征在于：在卷积神经网络中加入了注意力机制，并结合图神经网络以缓解数据稀疏的问题，以准确的给用户推荐相应的偏好，具体包括以下步骤完成判断该信息是否推荐给用户：
2.根据权利要求1所述的基于卷积神经网络与图神经网络的信息融合资源推荐方法其特征在于：所述s1把两种网络的特征相结合，其模型进一步包括以下特征：
3.根据权利要求1所述的基于卷积神经网络与图神经网络的信息融合资源推荐方法其特征在于：所述s2通过在cnn模型加入注意力...
【专利技术属性】
技术研发人员：李慧，吴帅，张舒，陈志愿，张飞龙，郭玥，樊宁，杨玉，
申请(专利权)人：江苏海洋大学，
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。