• 一种基于多视角数据和循环网络构建序列预测模型的方法

    • 摘要:

      本发明公开了一种基于多视角数据和循环网络的序列预测方法,其包括:获取多个用户在不同时刻购买的多个物品的数据,并对数据进行预处理;对所述预处理后的数据进行组合获取物品表达,将各用户物品表达按购买时间排序,形成用户序列;将当前用户序列送到循环网络模型的输入端进行训练;所述循环网络的处理端建立当前用户的表达,输出端计算当前用户对物品的偏好值;更新所述循环网络模型参数;将下一用户序列送到循环网络的输入端进行训练,直至所有用户序列都训练一次称为一次迭代;每次迭代更新全部偏好值的和,迭代多次,直至偏好值的和达到极大值或极小值,迭代结束.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201710041240.X

    • 申请日期:

      2017.01.17

    • 公开/公告号:

      CN106600347A

    • 公开/公告日:

      2017-04-26

    • 发明人:

      王亮 吴书 崔强 刘强

    • 申请人:

      中国科学院自动化研究所

    • 主分类号:

      G06Q30/02(2012.01)I,G,G06,G06Q,G06Q30

    • 分类号:

      G06Q30/02(2012.01)I,G06Q30/06(2012.01)I,G,G06,G06Q,G06Q30,G06Q30/02,G06Q30/06

    • 主权项:

      一种基于多视角数据和循环网络构建序列预测模型的方法,包括步骤:S1:获取多个用户在不同时刻购买的多个物品的数据,并对所述数据进行预处理;S2:对所述预处理后的数据进行组合获取物品表达,将各用户的物品表达按购买时间排序形成用户序列;S3:将当前用户序列送到循环网络模型的输入端进行训练;S4:所述循环网络模型的处理端建立当前用户的序列表达,输出端计算当前用户对物品的偏好值;S5:更新所述循环网络模型参数;S6:将下一用户序列送到循环网络模型的输入端进行训练,重新返回步骤S3开始执行,直至所有用户序列都经过训练称为一次迭代,每次迭代后进行循环网络模型预测;S7:判断每次迭代后循环网络模型目标函数的值是否达到极大值或极小值,若是,则迭代结束,否则重新返回步骤S3开始执行,进行下一次迭代,直至目标函数的值达到极大值或极小值.