一种基于深度神经网络的精排粗排方法

本发明公开了一种基于深度神经网络的精排粗排方法，具体涉及信息推荐领域，通过获取用户行为、产品特征、用户画像和上下文信息，构建多源数据矩阵，通过嵌入方式映射到特征空间，形成用户‑产品交互矩阵。通过多层神经网络对交互矩阵进行特征抽取与降维，生成用户偏好向量、产品特性向量和环境关联向量。在粗排阶段采用卷积神经网络提炼局部特征，筛选潜在相关产品，精排阶段利用长短时记忆网络进行时序分析，输出精排序列。通过自适应优化，融合精排与粗排结果，确保排序结果与用户行为习惯和上下文条件匹配，实现精细化的动态排序输出，提升推荐准确性与满意度，有效提高了推荐的精准性与个性化程度。