[發(fā)明專利]文化資源推薦系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711047386.1
• 申請日: 2017-10-31
• 公開（公告）號: CN107862022B
• 公開（公告）日: 2020-12-11
• 發(fā)明（設計）人: 張桂剛;楊頤;黃衛(wèi)星;王健
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩

本發(fā)明涉及計算機技術領域，具體提供了一種文化資源推薦系統(tǒng)，旨在解決如何解決在高維稀疏用戶行為的情況下無法實現文化資源的有效推薦的技術問題。為此目的，本發(fā)明中文化資源推薦系統(tǒng)的行為數據采集模塊可以采集預設文化資源平臺中不同類型的用戶行為數據；行為數據處理模塊可以獲取用戶行為特征；行為權重評估模塊可以獲取用戶行為權重值；文化資源聚類模塊可以獲取預設文化資源平臺中的文化資源類別；行為特征計算模塊可以依據上述數據對用戶行為進行深度學習；文化資源推薦模塊可以采用最近鄰協(xié)同過濾算法，并依據深度學習結果，確定推薦文化資源。通過本發(fā)明可以在高維稀疏用戶行為的情況下實現文化資源的有效推薦。

技術領域

本發(fā)明涉及計算機技術領域，具體涉及一種文化資源推薦系統(tǒng)。

背景技術

隨著互聯(lián)網規(guī)模的不斷擴大，公共文化資源的種類和數量也不斷快速增長，公眾可以通過網站和手機app等渠道獲取影視、音樂、圖文、圖片等形式的公共文化資源，有時候用戶需要花費大量的時間才能找到自己感興趣的文化資源，瀏覽大量無關信息的過程會造成信息過載，使用戶不斷流失。

針對上述信息過載造成的用戶無法快速找到自己感興趣的文化資源的技術問題，面向公共文化資源領域的個性化推薦系統(tǒng)應運而生。文化資源推薦系統(tǒng)結合了數據分析、機器學習、人機交互等技術，根據用戶瀏覽網絡文化資源時的各種行為，自動向用戶推薦其可能感興趣的公共文化資源。目前最常用的推薦方法包括基于協(xié)同過濾算法的推薦方法和基于內容的推薦方法。

基于內容的推薦方法具有資源內容難以分析的問題；基于協(xié)同過濾算法的推薦方法能夠有效解決資源內容難以分析的問題，效果好、實用性強，但是該方法是以用戶行為數據分析為基礎，當用戶行為數據稀疏度過高時，推薦效果不佳。而公共文化資源領域因為數字資源數據量大、類型繁多，用戶群體大，用戶行為呈現高維稀疏性，現有的協(xié)同過濾方法推薦效果不佳。

發(fā)明內容

為了解決現有技術中的上述問題，即為了解決無法在高維稀疏用戶行為的情況下實現文化資源的有效推薦的技術問題，本發(fā)明提供了一種文化資源推薦系統(tǒng)。

本發(fā)明中的文化資源推薦系統(tǒng)，包括：行為數據采集模塊、行為數據處理模塊、行為權重評估模塊、文化資源聚類模塊、行為特征計算模塊和文化資源推薦模塊；

所述行為數據采集模塊，配置為采集預設文化資源平臺中不同類型的用戶行為數據；

所述行為數據處理模塊，配置為對所述行為數據采集模塊所采集的用戶行為數據進行特征分析，得到所述各類型用戶行為數據的用戶行為特征；

所述行為權重評估模塊，配置為對所述行為數據處理模塊分析得到的各用戶行為特征進行權重評估，得到所述各用戶行為特征對應的用戶行為權重值；

所述文化資源聚類模塊，配置為對所述預設文化資源平臺中的文化資源進行聚類分析，得到文化資源類別；

所述行為特征計算模塊，配置為采用深度學習算法，依據所述文化資源類別、用戶行為特征及其用戶行為權重值，對預設行為特征計算模型進行訓練，進而依據所述訓練后的行為特征計算模型獲取用戶特征向量集和資源類別向量集；

所述文化資源推薦模塊，配置為采用最近鄰協(xié)同過濾算法，并依據所述行為特征計算模塊的計算結果，確定推薦文化資源。

優(yōu)選地，所述行為數據采集模塊包括采集單元，配置為從預設文化資源平臺的用戶訪問日志中獲取用戶行為數據。

優(yōu)選地，所述行為數據處理模塊包括行為數據排序單元和行為數據標準化單元；

所述行為數據排序單元，配置為對各用戶行為數據按照時間順序進行升序排列；

所述行為數據標準化單元，配置為將排序后的各用戶行為量化在預設的實數數值區(qū)間內，以得到用戶行為特征。