基于模块化神经网络的动态推荐方法及系统

文档序号:37345937发布日期:2024-03-18 18:20阅读:来源:国知局

技术特征:

1.基于模块化神经网络的动态推荐方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于模块化神经网络的动态推荐方法,其特征在于,所述对所述用户数据进行多模态处理,得到用户潜在特征向量,具体包括:

3.根据权利要求1所述的基于模块化神经网络的动态推荐方法,其特征在于,所述学习控制器并生成推荐器,计算用户偏好分数,具体包括:

4.根据权利要求1所述的基于模块化神经网络的动态推荐方法,其特征在于,所述计算奖励值,更新所述控制器参数并优化所述推荐器,输出推荐结果,具体包括:

5.根据权利要求1所述的基于模块化神经网络的动态推荐方法,其特征在于,所述设计隐私保护机制将所述推荐结果进行保护,具体包括:

6.基于模块化神经网络的动态推荐系统,其特征在于,所述系统包括:

7.根据权利要求6所述的基于模块化神经网络的动态推荐系统,其特征在于,所述用户特征生成模块,具体包括:

8.根据权利要求6所述的基于模块化神经网络的动态推荐系统,其特征在于,所述用户偏好计算模块,具体包括:

9.根据权利要求6所述的基于模块化神经网络的动态推荐系统,其特征在于,所述推荐结果输出模块,具体包括:

10.根据权利要求6所述的基于模块化神经网络的动态推荐系统,其特征在于,所述数据隐私保护模块,具体包括:


技术总结
本发明提供了基于模块化神经网络的动态推荐方法及系统,属于动态推荐技术领域。首先采集用户行为数据、图像数据和音频数据;其次对所述用户数据进行多模态处理,得到用户潜在特征向量;然后学习控制器并生成推荐器,计算用户偏好分数;接着计算奖励值,更新所述控制器参数并优化所述推荐器,输出推荐结果;最后设计隐私保护机制将所述推荐结果进行保护。本发明通过构建多模态深度神经网络,有效整合了用户的行为、图像和音频等多种类型的数据,以提取更加全面和深入的用户特征。此外,通过引入注意力机制和元学习算法,能够动态调整推荐策略,更准确地捕捉用户的实时偏好。

技术研发人员:伊华伟,张震斌,李晓会
受保护的技术使用者:辽宁工业大学
技术研发日:
技术公布日:2024/3/17
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1