[發(fā)明專利]基于多維云和用戶動(dòng)態(tài)興趣的神經(jīng)網(wǎng)絡(luò)推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810194417.4
• 申請(qǐng)日: 2018-03-09
• 公開（公告）號(hào): CN108491477B
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 唐宏;雷曼;牟泓彥;龔琴;王欣欣
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

本發(fā)明涉及信息檢索和數(shù)據(jù)挖掘領(lǐng)域，特別涉及一種基于多維云和用戶動(dòng)態(tài)興趣的神經(jīng)網(wǎng)絡(luò)推薦方法，包括：獲取用戶對(duì)項(xiàng)目的評(píng)分及用戶評(píng)分時(shí)間并進(jìn)行預(yù)處理；使用預(yù)處理后的數(shù)據(jù)構(gòu)建基于用戶的多維云模型和基于項(xiàng)目的多維云模型，得到基于用戶的預(yù)測(cè)評(píng)分和基于項(xiàng)目的預(yù)測(cè)評(píng)分；將基于用戶的預(yù)測(cè)評(píng)分和基于項(xiàng)目的預(yù)測(cè)評(píng)分作為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)評(píng)分預(yù)測(cè)模型的輸入數(shù)據(jù)，得到最終預(yù)測(cè)評(píng)分；本發(fā)明不僅有效利用用戶數(shù)據(jù)，還改善了個(gè)性化推薦方法在數(shù)據(jù)稀疏場(chǎng)景下存在的弊端。

技術(shù)領(lǐng)域

本發(fā)明涉及信息檢索和數(shù)據(jù)挖掘領(lǐng)域，特別涉及一種基于多維云和用戶動(dòng)態(tài)興趣的神經(jīng)網(wǎng)絡(luò)推薦方法。

背景技術(shù)

Internet和Web2.0技術(shù)的不斷發(fā)展給用戶產(chǎn)生大量的信息數(shù)據(jù)，滿足了用戶在信息化時(shí)代對(duì)信息的需求，但信息過載給信息消費(fèi)者和信息生產(chǎn)者帶來嚴(yán)重影響，解決信息過載最有效的方法就是推薦系統(tǒng)。

推薦系統(tǒng)作為一種智能信息服務(wù)方式，被電子商務(wù)、社交網(wǎng)絡(luò)、電影和視頻、音樂、個(gè)性化郵件和廣告等廣泛利用。推薦系統(tǒng)以電子服務(wù)個(gè)性化技術(shù)為代表，它把電子商務(wù)網(wǎng)站瀏覽者的歷史行為數(shù)據(jù)(購(gòu)買、點(diǎn)擊、收藏、評(píng)價(jià)) 分析計(jì)算生成用戶的個(gè)性化推薦系統(tǒng)，把瀏覽者變成消費(fèi)者，并且提高電子商務(wù)網(wǎng)站的信息交互能力和建立友好忠誠(chéng)度。和搜索引擎相比，個(gè)性化推薦系統(tǒng)主動(dòng)分析用戶歷史行為并研究用戶興趣偏好，進(jìn)行個(gè)性化計(jì)算，由系統(tǒng)主動(dòng)給用戶推薦有價(jià)值的信息，引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求。一個(gè)好的推薦系統(tǒng)不僅能為用戶提供個(gè)性化的服務(wù)，還能和用戶之間建立密切關(guān)系，讓用戶對(duì)推薦產(chǎn)生依賴。目前常用的個(gè)性化推薦算法是基于內(nèi)容的推薦、基于社會(huì)化的推薦和基于協(xié)同過濾的推薦。基于內(nèi)容的推薦是根據(jù)用戶歷史數(shù)據(jù)，考察用戶與項(xiàng)目的匹配程度。基于社會(huì)化的推薦技術(shù)是利用在社交網(wǎng)絡(luò)上用戶之間的社交關(guān)系，根據(jù)直接或間接的社會(huì)化關(guān)系構(gòu)建用戶興趣模型。基于協(xié)同過濾的推薦技術(shù)是利用用戶歷史行為數(shù)據(jù)，尋找匹配度高的鄰居群體，根據(jù)用戶鄰居群體興趣對(duì)目標(biāo)用戶進(jìn)行推薦。而基于內(nèi)容的推薦可分析的內(nèi)容有限，新穎度差以及新用戶需要用戶的偏好信息。同時(shí)，基于社會(huì)化的推薦技術(shù)僅挖掘用戶之間的好友關(guān)系，缺乏對(duì)用戶自身屬性的考慮。因此，基于協(xié)同過濾的推薦方法在推薦系統(tǒng)中得到了廣泛的研究與應(yīng)用。

基于協(xié)同過濾的推薦技術(shù)雖然具有良好的推薦效果，但近年來我們觀察到數(shù)字信息，資源和在線內(nèi)容的可用性呈爆炸式增長(zhǎng)，用戶對(duì)項(xiàng)目的評(píng)價(jià)信息有大量的缺失，造成數(shù)據(jù)稀疏性問題，從而傳統(tǒng)的協(xié)同過濾推薦方法已不適應(yīng)當(dāng)前規(guī)模下的網(wǎng)絡(luò)。并且因用戶個(gè)體差異，導(dǎo)致用戶評(píng)價(jià)信息的隨機(jī)性和模糊性問題，用戶評(píng)分信息的隨機(jī)性指用戶在特定評(píng)分行為下，改變?cè)u(píng)分行為，用戶評(píng)分信息的模糊性指用戶只能用1-5分描述對(duì)項(xiàng)目的評(píng)價(jià)，這樣的表示比較模糊而不準(zhǔn)確，沒有用定性語言概念表述更準(zhǔn)確，從而對(duì)評(píng)分預(yù)測(cè)造成準(zhǔn)確度低的困難。

發(fā)明內(nèi)容

針對(duì)上述問題，本發(fā)明提供一種基于多維云和用戶動(dòng)態(tài)興趣的神經(jīng)網(wǎng)絡(luò)推薦方法，如圖1，包括：

S1、獲取用戶對(duì)項(xiàng)目的評(píng)分及用戶評(píng)分時(shí)間并進(jìn)行預(yù)處理；

S2、使用預(yù)處理后的數(shù)據(jù)構(gòu)建基于用戶的多維云和基于項(xiàng)目的多維云模型，得到基于用戶的預(yù)測(cè)評(píng)分和基于項(xiàng)目的預(yù)測(cè)評(píng)分；

S3、將基于用戶的預(yù)測(cè)評(píng)分和基于項(xiàng)目的預(yù)測(cè)評(píng)分作為神經(jīng)網(wǎng)絡(luò)評(píng)分預(yù)測(cè)模型的輸入數(shù)據(jù)，得到最終預(yù)測(cè)評(píng)分。

優(yōu)選的，所述進(jìn)行預(yù)處理包括設(shè)定時(shí)間間隔閾值，評(píng)分時(shí)間大于時(shí)間間隔閾值則根據(jù)用戶的評(píng)分時(shí)間對(duì)用戶對(duì)項(xiàng)目的評(píng)分進(jìn)行加權(quán)處理，否則不做處理，具體表示為：

其中，r_jk表示用戶對(duì)項(xiàng)目的評(píng)分，λ是時(shí)間衰減因子，K表示時(shí)間間隔閾值， t_now表示用戶對(duì)項(xiàng)目評(píng)分結(jié)束的時(shí)刻值，t₀表示用戶對(duì)項(xiàng)目評(píng)分開始的時(shí)刻值。

優(yōu)選的，構(gòu)建基于用戶的多維云和基于項(xiàng)目的多維云模型，如圖3，包括：