[發明專利]一種基于表示向量的作品標簽推薦方法和系統

有效

• 申請號: 201710469315.4
• 申請日: 2017-06-20
• 公開（公告）號: CN107391577B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 賈巖濤;蔡朋杉;王元卓;靳小龍;李曼玲;程學旗
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/78;G06F16/735
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

本發明涉及一種基于表示向量的標簽推薦方法和系統，其特征在于，包括：獲取多個作品，根據每個作品對應的標簽、關系及對象，構建多個包含作品和標簽的二元組信息和包含作品、關系及對象的三元組信息，根據二元組信息和三元組信息生成訓練數據集；通過對訓練數據集進行表示學習，分別得到各個作品的作品表示向量和各類標簽的標簽表示向量；通過計算各個作品表示向量和各類標簽表示向量之間的距離，從各類標簽中篩選出各個作品的推薦標簽。本發明在學習表示向量的過程中，本發明同時考慮作品標簽對二元組信息和作品的三元組信息。通過融入更多信息，使得學到的表示向量能夠更準確地反映作品和標簽的語義，從而更好地支持標簽推薦這一任務。

技術領域

本發明涉及標簽推薦領域，特別涉及一種基于表示向量的作品標簽推薦方法和系統。

背景技術

網絡大數據時代的到來，使得網絡上的數據呈爆炸式的增長。為了幫助用戶更好，更快地了解網絡上各種作品的信息，許多網站開放了分眾分類體系(folksonomy)。分眾分類體系允許用戶給網站中的作品打標簽。如在豆瓣電影網站上，電影《音樂之聲》就被打上了標簽“音樂劇”、“愛情”、“經典”等標簽。這些標簽可以幫助網站的用戶更快速地找到信息，更便捷地發現信息，更容易地理解信息。

然而，對于許多剛剛問世的作品，或者關注人數較少的作品而言，因為廣大用戶缺乏了解，所以難以給出準確的標簽。這使得分眾分類體系缺乏準確性和完整性，也進一步阻礙了更多用戶了解到作品的相關信息。

為了解決上述問題，我們需要一種方法，幫助我們利用已知的作品標簽信息，發掘出潛在的作品標簽，從而完成分眾分類體系的自動擴充。

現有技術包括：標簽推薦技術和協同過濾推薦技術，前者是目前比較有效的方法是基于協同過濾算法的標簽推薦方法；后者協同過濾推薦(Collaborative FilteringRecommendation)技術是在信息過濾和信息系統已經一項非常成熟的技術，與傳統的基于內容過濾直接分析內容進行推薦不同，協同過濾分析用戶興趣，在用戶群中找到指定用戶的相似(興趣)用戶，綜合這些相似用戶對某一信息的評價，形成系統對該指定用戶對此信息的喜好程度預測。

具體地，在作品標簽推薦這一任務中，協同過濾方法又可以細分為兩種：

1.基于作品的協同過濾：通過作品標簽對來評測作品之間的相似性，基于作品之間的相似性，給作品推薦潛在的標簽。

2.基于標簽的協同過濾：通過作品標簽對來評測標簽之間的相似性，基于標簽之間的相似性，給標簽推薦給潛在作品。

但上述協同過濾技術在以下兩點上存在缺陷：

(1)協同過濾技術僅僅適用于二元組式的數據結構，即其輸入信息必須嚴格地服從“作品——標簽”對形式。然而，眾所周知的是，當前互聯網上，作品的信息以多種形式存儲。除了“作品標簽”對這一形式之外，還存在豐富的三元組式的數據信息，如“音樂之聲——導演——羅伯特·懷斯”這個三元組告訴我們，電影音樂之聲的導演是羅伯特·懷斯。

由于協同過濾技術無法處理這樣的三元組信息，也使其在進行標簽推薦的時候少了許多可用的資源。特別是對于某些標簽較少的作品，由于缺乏足夠多的標簽表征其語義，標簽推薦的結果往往不夠準確。

(2)協同過濾技術僅僅依據顯性的相似度進行推薦。如下表1所示，由于作品A和作品C有著相似的標簽集合(兩作品均對應標簽A、C)，故推測作品A也可能會對應標簽D，而作品B和作品C的標簽集合并不相似，故作品B不太可能會對應標簽D。這一方法的缺陷在于，我們無從得知標簽A,B,C之間的語義相似度。如果標簽B的語義和標簽A，C非常相似，那么我們同樣有理由推測，作品B也對應標簽D。然而，這種相似度是非顯性的，應用協同過濾方法難以直接獲得。

表1：