欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021100834639
申请人: 山东师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于强化学习的个性化图书推荐方法,其特征在于,包括:获取用户历史图书借阅数据,构建用户借书序列;

构建基于聚类的分层强化学习网络模型,将所述用户借书序列输入预训练的网络模型中,输出推荐图书的预测结果;

其中,所述基于聚类的分层强化学习网络模型的训练过程包括:利用所述用户借书序列对基础推荐模型进行训练,利用聚类模型对获得的图书特征进行聚类;基于聚类后的图书特征,利用序列修改模型修改用户借书序列;将修改后的用户借书序列输入到基本推荐模型中,并获得预测结果;迭代上述步骤,直至满足迭代终止条件。

2.如权利要求1所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述基于聚类的分层强化学习网络模型包括基础推荐模型、序列修改模型和聚类模型。

3.如权利要求1所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述基础推荐模型通过基于注意力的神经网络对用户和图书的偏好进行建模,在表示用户的借书序列时通过引入注意力机制,对用户借书序列中的每个元素添加一个关注因子,来表明用户对每本书的兴趣。

4.如权利要求1所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述序列修改模型基于分层强化学习网络实现,通过分层强化学习网络过滤掉用户借书序列中存在误导推荐的噪声。

5.如权利要求4所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述序列修改模型利用所述分层强化学习网络,将修改用户借书记录的过程描述为层次马尔可夫决策过程,分为两个步骤:高级任务和低级任务;其中,高级任务确定是否需要修改整个序列;如果需要修改,则转入低级任务,低级任务确定是否应删除序列中的各个元素。

6.如权利要求5所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述确定是否修改整个序列,是根据序列中每个借用记录的特征向量和目标书的特征向量之间的平均余弦相似度和平均逐元素积来进行判断;所述确定是否应删除序列中的各个元素,是根据当前借用序列与目标书的特征向量之间的余弦相似度进行判断。

7.如权利要求1所述的一种基于强化学习的个性化图书推荐方法,其特征在于,所述聚类模型采用mini‑batch K‑means算法对图书特征进行聚类,在进行特征聚类后,通过对基本推荐模型训练的特征和聚类模型聚类后的特征进行映射,实现基本推荐模型中的特征在分层强化学习模型修改为聚类后的特征。

8.一种基于强化学习的个性化图书推荐系统,其特征在于,包括:数据获取单元,其用于获取用户历史图书借阅数据,构建用户借书序列;

图书推荐单元,其用于构建基于聚类的分层强化学习网络模型,将所述用户借书序列输入预训练的网络模型中,输出推荐图书的预测结果;

其中,所述基于聚类的分层强化学习网络模型的训练过程包括:利用所述用户借书序列对基础推荐模型进行训练,利用聚类模型对获得的图书特征进行聚类;基于聚类后的图书特征,利用序列修改模型修改用户借书序列;将修改后的用户借书序列输入到基本推荐模型中,并获得预测结果;迭代上述步骤,直至满足迭代终止条件。

9.一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑7任一项所述的一种基于强化学习的个性化图书推荐方法。

10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑7任一项所述的一种基于强化学习的个性化图书推荐方法。