一种基于动态周期神经网络的商品推荐方法

摘要

本发明公开一种基于动态周期神经网络的商品推荐方法，该方法将用户历史购买的商品切分到不同篮子；用篮子中每个商品潜在语义向量的表达得到每个篮子的特征表达向量，并得到篮子兴趣表达向量；根据篮子兴趣表达向量得到用户不同时间动态表达向量，并由动态表达向量得到用户不同时间内对商品的初始评分；抽取篮子外商品作为负样本建立优化目标函数；通过求解优化目标函数更新参数得到商品和用户的潜在语义向量表达，并得到用户对商品最终评分并推荐。本发明解决了当前流行的模型只能提取局部特征的问题，运用迭代方法学用户动态表达，能适用于新数据即时输入及复杂商业场景，能很好地应用于互联网商品推送及各类推荐系统场景。

主权项

一种基于动态周期神经网络的商品推荐方法，其特征在于，包括步骤：步骤S1，将用户历史购买的商品按预设时间间隔切分到不同的篮子；步骤S2，给每一个篮子中的每一个商品初始化一个潜在语义向量表达，应用池化操作得到每一个篮子的特征表达向量；步骤S3，利用所述篮子的特征表达向量，运用周期神经网络的转移矩阵运算得到篮子兴趣表达向量；步骤S4，根据不同时间的所述篮子兴趣表达向量，运用周期神经网络中的周期信号传递矩阵运算得到该用户在不同时间的动态表达向量；步骤S5，对用户在不同时间的动态表达向量通过与商品矩阵的运算，得到用户在不同时间内对所有商品的初始化评分；步骤S6，随机抽取不在篮子中的商品作为负样本，通过贝叶斯个性化排序算法建立优化目标函数模型；步骤S7，通过求解该优化目标函数模型并更新模型参数直到模型收敛，得到商品和用户的潜在语义向量表达以及模型的所有参数；步骤S8，根据所述商品和用户的潜在语义表达向量的点积运算得到用户对所有商品的最终评分，然后根据最终评分高低进行商品推荐。