申请/专利权人:重庆邮电大学
申请日:2024-04-23
公开(公告)日:2024-06-21
公开(公告)号:CN118229342A
主分类号:G06Q30/0202
分类号:G06Q30/0202;G06F16/9535;G06F18/25;G06Q30/0251;G06F18/241;G06N3/045
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明涉及一种基于特征交叉的用户偏好预测方法,属于人工智能技术领域,包括以下步骤:S1:对数据集进行划分,构建训练集;S2:对数据集进行预处理,得到特征向量;S3:构造用户偏好预测模型,所述偏好预测模型从输入到输出依次包括嵌入层、交叉层和输出层;所述交叉层包括粗粒度特征交叉模块、细粒度特征交叉模块和特征融合模块;输出层根据用户兴趣特征得到预测结果;S4:输入训练集数据到用户偏好预测模型,并使用交叉熵函数对模型进行训练优化;S5:输入测试集数据到用户偏好预测模型得到预测结果。
主权项:1.一种基于特征交叉的用户偏好预测方法,其特征在于:包括以下步骤:S1:对数据集进行划分,构建训练集;S2:对数据集进行预处理,得到特征向量;S3:构造用户偏好预测模型,所述偏好预测模型从输入到输出依次包括嵌入层、交叉层和输出层;所述交叉层包括粗粒度特征交叉模块、细粒度特征交叉模块和特征融合模块;所述粗粒度特征交叉模块为多层感知机,用于对特征进行低阶特征交叉编码获得特征组合的粗粒度兴趣特征;所述细粒度特征交叉模块为多头注意力网络,用于对特征进行高阶特征交叉编码获得特征组合的细粒度兴趣特征;所述特征融合模块用于将粗粒度兴趣特征和细粒度兴趣特征进行加权融合得到最终的用户兴趣特征;所述输出层根据用户兴趣特征得到预测结果;S4:输入训练集数据到用户偏好预测模型,并使用交叉熵函数对模型进行训练优化;S5:输入测试集数据到用户偏好预测模型得到预测结果。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种基于特征交叉的用户偏好预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。