← 返回列表
电商数据分类推荐系统、方法
摘要文本
本发明提供一种电商数据分类推荐系统、方法，通过基于注意力机制的多专家自调控网络LAFAMN，使用注意力机制监督网络对不同的输入特征组进行加权，根据网络整体和每个子网络的预测结果对权值自调控，有效解决电商数据分类推荐过程中的特征不平衡问题；另外基于分类置信度调控的双压制损失函数，对大类易判断样本的损失值进行大幅度抑制，同时保证小类难判断样本的损失值完全不削减，以解决判别难易与样本数量不平衡两个维度的类别不平衡问题。LAFAMN与双压制损失函数的共同使用可以组成一个完整的推荐系统，解决三个维度的类不平衡分类问题，为商品推荐问题提供完整解决流程。
申请人信息
- 申请人:中国传媒大学
- 申请人地址:100024 北京市朝阳区定福庄东街1号
- 发明人: 中国传媒大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 电商数据分类推荐系统、方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410039143.7 |
| 申请日 | 2024/1/11 |
| 公告号 | CN117556147A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F16/9535 |
| 权利人 | 中国传媒大学 |
| 发明人 | 武岳巍; 付睿翎; 邢彤彤; 余振宇; 吴肇良; 冯小丽; 殷复莲 |
| 地址 | 北京市朝阳区定福庄东街1号 |
专利主权项内容
1.一种电商数据分类推荐系统，其特征在于，包括：特征预处理单元，用于通过预设排序方法和预设分类方法对第一训练数据进行重要性排序和特征分类，以得到所述第一训练数据的特征预处理数据；模型训练单元，用于通过预设的LAFAM网络对训练数据进行学习训练处理，以得到每种类型的输出和标签，将所述输出和标签进行损失值计算后，通过对所述损失值的加权求和后回传处理，使所述损失值达到预设要求后得到LAFAMN模型；其中，所述训练数据包括所述第一训练数据和所述特征预处理数据，所述LAFAM网络包括监督网络和预设数量的子网络；所述子网络用于对所述特征预处理数据进行训练学习，所述监督网络用于对所述第一训练数据进行训练学习；并且，所述监督网络学习所述子网络的占比权重，所述子网络通过动态调整总损失完成子网权重和特征权重的自学习；以及，在所述子网络中使用双压制损失函数处理高度不平衡的数据集；分类推荐单元，用于通过所述LAFAMN模型对电商数据进行分类推荐处理。