摘要

本发明公开了一种基于内容的用户个性化产品的匹配推荐方法,克服了现有技术中推荐算法仍需改进的问题因。该发明含有步骤一、基于用户的随机批量采样方法;步骤二、基于内容的用户产品匹配方法:建立网络;按批量输入基于用户的随机批量采样方法得到有序的用户id,历史记录产品id列表,目标产品id和label的集合,分别在训练集、验证集、测试集上训练、调整、评估网络模型;输入特定用户以及其历史记录,使用基于内容的用户产品匹配网络预测其对所有未观看电影的评分并排序,最终输出top-N的推荐结果。本发明采用轻量级神经网络,大大减少了训练时间及训练设备要求,采样过程容易且模型输入更具随机性,预测结果泛化能力更强。