面向细粒度情感的可解释推荐模型

    公开(公告)号:CN110083684A

    公开(公告)日:2019-08-02

    申请号:CN201910333302.3

    申请日:2019-04-24

    Applicant: 吉林大学

    Abstract: 本发明所要解决的技术问题是克服了现有基于矩阵分解原理进行推荐技术存在的解释性能不高、计算复杂、信息挖掘利用程度低等问题,提出一种面向细粒度情感的可解释推荐模型。该方法步骤为:1由原始评论文本的解析和预处理模块实现原始特征的提取;2由互信息矩阵构建模块实现多信息的高效融合;3由联合分解模块初始化因子矩阵进行多矩阵的约束优化求解;4由推荐及预测模块实现信息的高效重构进而生成最终的推荐结果以及解释信息。

    面向细粒度情感的可解释推荐模型

    公开(公告)号:CN110083684B

    公开(公告)日:2021-11-19

    申请号:CN201910333302.3

    申请日:2019-04-24

    Applicant: 吉林大学

    Abstract: 本发明所要解决的技术问题是克服了现有基于矩阵分解原理进行推荐技术存在的解释性能不高、计算复杂、信息挖掘利用程度低等问题,提出一种面向细粒度情感的可解释推荐模型。该方法步骤为:1由原始评论文本的解析和预处理模块实现原始特征的提取;2由互信息矩阵构建模块实现多信息的高效融合;3由联合分解模块初始化因子矩阵进行多矩阵的约束优化求解;4由推荐及预测模块实现信息的高效重构进而生成最终的推荐结果以及解释信息。

Patent Agency Ranking