一种基于深度学习的个性化推荐系统技术方案

本发明专利技术属于视频推荐系统设计技术领域，尤其是一种基于深度学习的个性化推荐系统，针对背景技术提出的用户很难从海量的视频中选择自己喜欢的内容问题，现提出以下方案，包括用户兴趣模块、推荐对象模块和推荐算法模块，其中，模块1(用户兴趣模块)主要有以下三种方式：方式(1)用户注册时填写的个人信息，主要是用户的姓名、从事的职业、出生年月、个人收入、最高学历等。本发明专利技术该系统采用领先的网络视频传输技术，视频播放时清晰流畅，网站包括海量的视频内容，并且视频内容会不断更新，针对用户很难从海量的视频中选择自己喜欢的内容，本系统为视频网站设计个性化视频推荐系统，为用户推荐所需求的视频，提高用户对网站的满意度。提高用户对网站的满意度。提高用户对网站的满意度。

A personalized recommendation system based on deep learning

【技术实现步骤摘要】
一种基于深度学习的个性化推荐系统


[0001]本专利技术涉及视频推荐系统设计
，尤其涉及一种基于深度学习的个性化推荐系统。

技术介绍

[0002]随着互联网普及，当今社会已经从原来的信息缺乏时代走向了信息超载时代。大量的信息满足了用户对信息的需求，但也带来了问题：如何从海量的数据中挑选自己需要或感兴趣的信息？对于视频网站，需要推选出信息吸引用户。
[0003]随着网络的发展，各种视频网站已经不计其数，并且网站的视频数量已经完全超出用户所能观看的视频量，而且这里面还有很多视频都是用户根本不感兴趣的，为了解决此问题，人们就开发出个性化推荐系统。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于深度学习的个性化推荐系统。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于深度学习的个性化推荐系统，包括用户兴趣模块、推荐对象模块和推荐算法模块，其中，
[0007]模块1(用户兴趣模块)主要有以下三种方式：
[0008]方式(1)用户注册时填写的个人信息，主要是用户的姓名、从事的职业、出生年月、个人收入、最高学历等；
[0009]方式(2)用户自愿且主动提供的信息：该信息是用户在搜索框主动输入的内容，该内容通常都会反应用户的个人需求。还包括用户观看后对视频的评分，体现出用户的满意度；
[0010]方式(3)用户操作行为留下的信息：系统通过记录用户浏览内容的次数、频率、停留时间等，这些信息都能够反应用户的个人需求和兴趣偏好。
[0011]模块2(推荐对象模块)主要是利用基于分类的方法去描述，该方法是把推荐视频放入到不同类别中，于是可以把相同类型的视频推荐给需要此种类型视频的用户。
[0012]模块3(推荐算法模块)主要有以下三种方式：
[0013]方式(1)基于内容的推荐算法，该算法是通过分析用户的兴趣爱好，并将与他爱好相似的项目推荐给用户；
[0014]方式(2)协同过滤推荐算法，该算法基于用户的协同推荐、基于项目的协同推荐和基于模型的协同推荐；
[0015]方式(3)关联规则的推荐算法，该算法是依据统计学手段，创建关联规则，将此规则作为依据进行推荐。
[0016]优选地，所述推荐算法模块3中方式(1)，该推荐算法第一步是分析项目的特征属
性，从分析的结果提取出准备推荐项目的特征属性，第二步是将提取到的特征属性与用户兴趣模型中的个人偏好特征相匹配，最后得到匹配度比较高的推荐项目推送给用户。
[0017]优选地，所述推荐算法模块3中方式(2)的基于用户的协同推荐，其基本推荐思想是基于身边朋友的推荐之后，该用户也会选择此推荐对象，它的工作流程分为两步：第一、找到相似度最高的邻居；第二、产生推荐，关键在于查找最近邻居。
[0018]优选地，所述推荐算法模块3中方式(2)的基于项目的协同推荐基本思想是基于对产品的信任度推荐。
[0019]优选地，所述推荐算法模块3中方式(3)的工作原理是先计算每个不同的推荐对象的高频组合，然后基于该高频组合创建对应的关联规则，最后根据创建的规则把相关对象推荐给目标用户。
[0020]本专利技术的有益效果为：
[0021]1、本专利技术的基于深度学习的个性化推荐系统，该系统采用领先的网络视频传输技术，视频播放时清晰流畅，网站包括海量的视频内容，并且视频内容会不断更新；
[0022]2、本专利技术的基于深度学习的个性化推荐系统，针对用户很难从海量的视频中选择自己喜欢的内容，本系统为视频网站设计个性化视频推荐系统，为用户推荐所需求的视频，提高用户对网站的满意度。
附图说明
[0023]图1为本专利技术提出的一种基于深度学习的个性化推荐系统的模型流程图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0025]实施例1，参照图1，一种基于深度学习的个性化推荐系统，包括用户兴趣模块、推荐对象模块和推荐算法模块，其中，
[0026]模块1(用户兴趣模块)主要有以下三种方式：
[0027]方式(1)用户注册时填写的个人信息，主要是用户的姓名、从事的职业、出生年月、个人收入、最高学历等；
[0028]方式(2)用户自愿且主动提供的信息：该信息是用户在搜索框主动输入的内容，该内容通常都会反应用户的个人需求。还包括用户观看后对视频的评分，体现出用户的满意度；
[0029]方式(3)用户操作行为留下的信息：系统通过记录用户浏览内容的次数、频率、停留时间等，这些信息都能够反应用户的个人需求和兴趣偏好。
[0030]模块2(推荐对象模块)主要是利用基于分类的方法去描述，该方法是把推荐视频放入到不同类别中，于是可以把相同类型的视频推荐给需要此种类型视频的用户。
[0031]模块3(推荐算法模块)主要采用以下方式：
[0032]基于内容的推荐算法，该算法是通过分析用户的兴趣爱好，并将与他爱好相似的项目推荐给用户，推荐算法模块3中方式(1)，该推荐算法第一步是分析项目的特征属性，从分析的结果提取出准备推荐项目的特征属性，第二步是将提取到的特征属性与用户兴趣模
型中的个人偏好特征相匹配，最后得到匹配度比较高的推荐项目推送给用户。
[0033]实施例2，参照图1，本实施例是在实施例1的基础上进行优化，具体是：
[0034]一种基于深度学习的个性化推荐系统，包括用户兴趣模块、推荐对象模块和推荐算法模块，其中，
[0035]模块1(用户兴趣模块)主要有以下三种方式：
[0036]方式(1)用户注册时填写的个人信息，主要是用户的姓名、从事的职业、出生年月、个人收入、最高学历等；
[0037]方式(2)用户自愿且主动提供的信息：该信息是用户在搜索框主动输入的内容，该内容通常都会反应用户的个人需求。还包括用户观看后对视频的评分，体现出用户的满意度；
[0038]方式(3)用户操作行为留下的信息：系统通过记录用户浏览内容的次数、频率、停留时间等，这些信息都能够反应用户的个人需求和兴趣偏好。
[0039]模块2(推荐对象模块)主要是利用基于分类的方法去描述，该方法是把推荐视频放入到不同类别中，于是可以把相同类型的视频推荐给需要此种类型视频的用户。
[0040]模块3(推荐算法模块)主要采用以下方式：
[0041]协同过滤推荐算法，该算法基于用户的协同推荐、基于项目的协同推荐和基于模型的协同推荐，推荐算法模块3中方式(2)的基于用户的协同推荐，其基本推荐思想是基于身边朋友的推荐之后，该用户也会选择此推荐对象，它的工作流程分为两步：第一、找到相似度最高的邻居；第二、产生推荐，关键在于查找最近邻居，推荐算法模块3中方式(2)的基于项目的协同推荐基本思想是基于对产品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的个性化推荐系统，包括用户兴趣模块、推荐对象模块和推荐算法模块，其特征在于，其中，模块1(用户兴趣模块)主要有以下三种方式：方式(1)用户注册时填写的个人信息，主要是用户的姓名、从事的职业、出生年月、个人收入、最高学历等；方式(2)用户自愿且主动提供的信息：该信息是用户在搜索框主动输入的内容，该内容通常都会反应用户的个人需求。还包括用户观看后对视频的评分，体现出用户的满意度；方式(3)用户操作行为留下的信息：系统通过记录用户浏览内容的次数、频率、停留时间等，这些信息都能够反应用户的个人需求和兴趣偏好。模块2(推荐对象模块)主要是利用基于分类的方法去描述，该方法是把推荐视频放入到不同类别中，于是可以把相同类型的视频推荐给需要此种类型视频的用户。模块3(推荐算法模块)主要有以下三种方式：方式(1)基于内容的推荐算法，该算法是通过分析用户的兴趣爱好，并将与他爱好相似的项目推荐给用户；方式(2)协同过滤推荐算法，该算法基于用户的协同推荐、基于项目的协同推荐和基于模型的协同推荐；方式(3)关联规则的推荐算法，该算法是依据统计学手段，创建关联规则，将此规则...

【专利技术属性】
技术研发人员：王诗卿，战荫伟，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：