一种基于神经协同过滤挖掘深层特征的文本对象精准推送方法
基本信息
| 申请号 | CN201910637445.3 | 申请日 | - |
| 公开（公告）号 | CN110532372B | 公开（公告）日 | 2022-03-15 |
| 申请公布号 | CN110532372B | 申请公布日 | 2022-03-15 |
| 分类号 | G06F16/335（2019.01）I;G06F16/33（2019.01）I;G06F16/9535（2019.01）I;G06F40/289（2020.01）I;G06F40/30（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 杨波;刘辉;牟其林;李泽松 | 申请（专利权）人 | 中电科大数据研究院有限公司 |
| 代理机构 | 电子科技大学专利中心 | 代理人 | 周刘英 |
| 地址 | 611731四川省成都市高新区（西区）西源大道2006号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于神经协同过滤挖掘深层特征的文本对象精准推送方法。该方法包含基于卷积神经网络的政策描述文档特征提取方法和挖掘深层特征的混合推送方法两个部分。提供了基于卷积神经网络的政策描述文档特征提取方法的具体步骤。提供了挖掘深层特征的混合推送方法的具体步骤。与现有政策推送方法相比，本发明能够利用卷积神经网络自动地从政策描述文档中提取包含在文本中的语义层面的不同单词范围的局部特征；同时，将提取出的特征以更灵活的方式融入到神经协同过滤政策推送方法中，在其中建立了用户与政策的非线性交互关系，并挖掘了两者之间更深层的交互特征，能够达到更高的推送准确度。 |
