[發明專利]一種融合多源異構信息的個性化推薦方法及系統

在審

• 申請號: 201810266506.5
• 申請日: 2018-03-28
• 公開（公告）號: CN108595527A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 胡建國;晏斌;李凱詳
• 申請（專利權）人: 中山大學;廣州搏創信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 佛山幫專知識產權代理事務所(普通合伙) 44387
• 代理人: 顏春艷

1.一種融合多源異構信息的個性化推薦方法，其特征在于，所述個性化推薦方法包括：

采集用戶行為記錄信息，所述用戶行為記錄信息包括不限于系統中記錄用戶對項目的各種行為和所述各種行為發生時間、發生地點和存儲至數據庫；

對用戶對項目的各種行為按照不同權重進行線性加權轉換處理，獲取用戶對項目的隱式反饋；

根據用戶對項目的隱式反饋進行交互矩陣構建處理，獲取用戶項目交互矩陣；

根據用戶項目交互矩陣構建個性化推薦模型，并獲取向用戶推薦的對應項目。

2.根據權利1所述的個性化推薦方法，其特征在于，所述用戶對項目的各種行為至少包括瀏覽、收藏、加入購物車、購買、評分、評論中的一種或多種的組合。

3.根據權利1所述的個性化推薦方法，其特征在于，所述用戶對項目的隱式反饋為用戶對項目的性趣值。

4.根據權利1所述的個性化推薦方法，其特征在于，所述根據用戶對項目的隱式反饋進行交互矩陣構建處理，包括：

根據用戶對項目的隱式反饋獲取用戶對項目的性趣值；

根據用戶、項目、性趣值三個元素構建交互矩陣，獲取用戶項目交互矩陣。

5.根據權利1所述的個性化推薦方法，其特征在于，所述根據用戶項目交互矩陣構建個性化推薦模型，包括：

構建初始個性化推薦模型；

確定初始個性化推薦模型的目標函數；

構建協同降噪自編碼模型；

采用協同降噪自編碼模型對初始個性化推薦模型進行訓練，獲取個性化推薦模型。

6.根據權利5所述的個性化推薦方法，其特征在于，所述構建協同降噪自編碼模型包括：輸入層、隱藏層和輸出層；其中，

輸入層由損壞的用戶評分向量與用戶輔助信息向量組成；

隱藏層有K個節點，與輸入層節點全連接；

輸出層M個節點，與隱藏層節點全連接。

7.根據權利6所述的個性化推薦方法，其特征在于，所述用戶輔助信息向量的構建，包括：

獲取用戶特征信息和對應項目的特征信息并進行向量化處理，獲取用戶特征信息對應的第一向量化信息和對應項目的特征信息對應的第二向量化信息；

根據所述第一向量化信息和所述第二向量化信息進行構建用戶輔助信息向量處理，獲取用戶輔助信息向量。

8.根據權利7所述的個性化推薦方法，其特征在于，所述用戶特征信息至少包括用戶的性別、年齡、職業、注冊時間、居住地、活躍度、忠誠度中的一種或多種組合；所述對應項目的特征信息至少包括項目的類型。

9.根據權利1所述的個性化推薦方法，其特征在于，還包括：

在獲取向用戶推薦的對應項目后，構建顯示排序，將向用戶推薦的對應項目按顯示排序結果進行反饋。

10.一種融合多源異構信息的個性化推薦系統，其特征在于，所述個性化推薦系統包括：

信息采集模塊：用于采集用戶行為記錄信息，所述用戶行為記錄信息包括不限于系統中記錄用戶對項目的各種行為和所述各種行為發生時間、發生地點和存儲至數據庫；

加權轉換模塊：用于對用戶對項目的各種行為按照不同權重進行線性加權轉換處理，獲取用戶對項目的隱式反饋；

矩陣構建模塊：用于根據用戶對項目的隱式反饋進行交互矩陣構建處理，獲取用戶項目交互矩陣；

推薦模塊：用于根據用戶項目交互矩陣構建個性化推薦模型，并獲取向用戶推薦的對應項目；

顯示模塊：用于在獲取向用戶推薦的對應項目后，構建顯示排序，將向用戶推薦的對應項目按顯示排序結果進行反饋。