[發(fā)明專(zhuān)利]基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710647593.4
• 申請(qǐng)日: 2017-08-01
• 公開(kāi)（公告）號(hào): CN107577710B
• 公開(kāi)（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 趙歡;姚權(quán)銘;宋陽(yáng)秋;李迪麟
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州市香港科大霍英東研究院
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 梁順宜;郝傳鑫

1.一種基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，包括步驟：

獲取多個(gè)實(shí)體的信息構(gòu)建異構(gòu)信息網(wǎng)絡(luò)，并根據(jù)所述多個(gè)實(shí)體的類(lèi)型構(gòu)建所述異構(gòu)信息網(wǎng)絡(luò)的概要圖；其中，所述異構(gòu)信息網(wǎng)絡(luò)中的節(jié)點(diǎn)與實(shí)體一一對(duì)應(yīng)；

將異構(gòu)信息網(wǎng)絡(luò)的概要圖劃分為若干個(gè)子圖，每一所述子圖對(duì)應(yīng)一元圖，分別計(jì)算每一所述元圖的轉(zhuǎn)移矩陣；其中，所述子圖包括預(yù)設(shè)的實(shí)體類(lèi)型；

根據(jù)每一所述元圖的轉(zhuǎn)移矩陣，獲得每一所述元圖對(duì)應(yīng)的用戶(hù)-項(xiàng)目相似性矩陣，將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行融合，并構(gòu)造用戶(hù)-項(xiàng)目評(píng)分方程；

基于所述用戶(hù)-項(xiàng)目評(píng)分方程，構(gòu)造目標(biāo)函數(shù)，通過(guò)優(yōu)化所述目標(biāo)函數(shù)，根據(jù)已知評(píng)分的樣本對(duì)所述用戶(hù)-項(xiàng)目評(píng)分方程進(jìn)行訓(xùn)練，獲得所述用戶(hù)-項(xiàng)目評(píng)分方程的參數(shù)；其中，所述樣本包括任一用戶(hù)和任一項(xiàng)目；

將所述用戶(hù)-項(xiàng)目評(píng)分方程的參數(shù)代入所述用戶(hù)-項(xiàng)目評(píng)分方程中，預(yù)測(cè)用戶(hù)對(duì)每一項(xiàng)目的評(píng)分，將所述評(píng)分符合預(yù)設(shè)條件的項(xiàng)目推薦給所述用戶(hù)；

其中，所述根據(jù)每一所述元圖的轉(zhuǎn)移矩陣，獲得每一所述元圖對(duì)應(yīng)的用戶(hù)-項(xiàng)目相似性矩陣，具體包括：分別從所述元圖的源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)出發(fā)，所述源節(jié)點(diǎn)沿著指定的元圖進(jìn)行隨機(jī)游走，所述目標(biāo)節(jié)點(diǎn)沿著同一元圖的逆向隨機(jī)游走，計(jì)算所述源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)到達(dá)元圖上每一位置對(duì)應(yīng)節(jié)點(diǎn)的概率，采用算術(shù)平均的方法計(jì)算所述源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)在元圖上每一節(jié)點(diǎn)相遇的總概率，獲得所述源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)的相似度。

2.如權(quán)利要求1所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，當(dāng)任一所述元圖包括至少兩條路徑時(shí)，通過(guò)鄰接矩陣的點(diǎn)積和乘積運(yùn)算獲得每一元圖的轉(zhuǎn)移矩陣。

3.如權(quán)利要求2所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，當(dāng)任一所述元圖包括一條路徑時(shí)，通過(guò)將所述路徑中每?jī)蓚€(gè)類(lèi)型之間的鄰接矩陣進(jìn)行乘積運(yùn)算獲得所述元圖的轉(zhuǎn)移矩陣；

當(dāng)任一所述元圖包括若干分支路徑和一條公用路徑，分別計(jì)算每一分支路徑的轉(zhuǎn)移矩陣，將所述分支路徑的轉(zhuǎn)移矩陣進(jìn)行點(diǎn)積運(yùn)算獲得每一所述分支路徑的總轉(zhuǎn)移矩陣，將所述分支路徑的總轉(zhuǎn)移矩陣與所述公用路徑中每?jī)蓚€(gè)類(lèi)型之間的鄰接矩陣進(jìn)行乘積運(yùn)算，從而獲得所述元圖的轉(zhuǎn)移矩陣。

4.如權(quán)利要求1所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，獲取多個(gè)實(shí)體的信息構(gòu)建異構(gòu)信息網(wǎng)絡(luò)具體為：

獲取用戶(hù)信息、項(xiàng)目信息、用戶(hù)對(duì)項(xiàng)目的評(píng)分信息、用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)信息及項(xiàng)目類(lèi)別信息，基于所述用戶(hù)信息、項(xiàng)目信息、用戶(hù)對(duì)項(xiàng)目的評(píng)分信息、用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)信息及項(xiàng)目類(lèi)別信息構(gòu)建異構(gòu)信息網(wǎng)絡(luò)。

5.如權(quán)利要求1所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行融合具體為：

根據(jù)不同的所述元圖，對(duì)不同的所述用戶(hù)-項(xiàng)目相似性矩陣分配不同的權(quán)重，從而將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行融合。

6.如權(quán)利要求1所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行融合具體為：

將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行分解獲得用戶(hù)因子矩陣和項(xiàng)目因子矩陣；

將每一用戶(hù)因子矩陣和對(duì)應(yīng)的項(xiàng)目因子矩陣進(jìn)行乘積運(yùn)算獲得新的所述用戶(hù)-項(xiàng)目相似性矩陣，對(duì)不同的所述用戶(hù)-項(xiàng)目相似性矩陣分配不同的權(quán)重，從而將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行融合。

7.如權(quán)利要求6所述的基于異構(gòu)信息網(wǎng)絡(luò)的推薦方法，其特征在于，將每一所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行分解獲得用戶(hù)因子矩陣和項(xiàng)目因子矩陣具體為：

通過(guò)以下優(yōu)化模型將所述用戶(hù)-項(xiàng)目相似性矩陣進(jìn)行降維處理后獲得所述用戶(hù)因子矩陣和項(xiàng)目因子矩陣：

其中，當(dāng)Ω＝1時(shí)，[P_Ω(X)]_ij＝X_ij，λ_u和λ_b是用于防止過(guò)擬合的L2范數(shù)正則化的超參數(shù)；U和B分別是用戶(hù)因子矩陣和項(xiàng)目因子矩陣。