[發明專利]基于深層次網絡嵌入特征的社會化信息推薦算法及系統

有效

• 申請號: 201810372270.3
• 申請日: 2018-04-24
• 公開（公告）號: CN108596774B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 郭磊;溫宇菲;王新華;劉方愛
• 申請（專利權）人: 山東師范大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06Q30/06;G06Q10/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于深層次網絡嵌入特征的社會化信息推薦算法，其特征是：預先在用戶的社交網絡上訓練出一個網絡嵌入模型，以提取用戶的網絡特征表示，再將提取的網絡特征與矩陣分解模型相結合，利用最終生成的模型進行評分預測和項目推薦；

包括以下步驟：

構建用戶之間的社交關系網絡；對用戶之間的社交關系網絡，使用node2vec算法，訓練得出網絡嵌入模型以提取用戶的網絡特征表示；利用基于矩陣分解的協同過濾模型來處理評分矩陣，從中學習用戶和項目的潛在特征；

將提取的網絡特征與通過矩陣分解得到的潛在特征相結合，生成目標函數；對目標函數進行優化處理，得到最終的用戶和項目的潛在特征矩陣及嵌入特征的權重矩陣；根據最終的用戶和項目的潛在特征矩陣、嵌入特征的權重矩陣和預先訓練的用戶嵌入特征矩陣，生成預測的評分矩陣；

將其與矩陣分解得到的用戶和項目的潛在特征通過線性方式相加，得到用戶u對項目i的預測分數為

通過使用平方損失函數，并添加防止過擬合的正則化項，得到最終的目標函數

其中，U表示用戶潛在特征矩陣，I表示項目潛在特征矩陣，U_u表示特定用戶u的特征向量，I_i表示特征項目i的特征向量，X_u表示用戶節點的網絡潛入特征，λ_U為用戶的正則化參數，λ_I為項目的正則化參數，λ_W為權重的正則化參數，R_u,i為用戶u對項目i的評分，u為目標用戶，T為轉置運算，表示用戶u的潛在特征向量的轉置，F是Frobenius范數，表示用戶u對項目i的預測評分，W_u是衡量預先訓練的網絡特征對用戶u產生貢獻的權重向量。

2.如權利要求1所述的一種基于深層次網絡嵌入特征的社會化信息推薦算法，其特征是：構建用戶之間的社交關系網絡：

社交網絡由G_uu＝(U,E_uu)表示，反映用戶之間的社交聯系，U是用戶集合，E_uu是邊集，對于任意兩個用戶，如果用戶u_p與用戶u_m具有社交聯系，則頂點u_p和u_m之間會有一條邊e_pm∈E_uu，否則這條邊不存在。

3.如權利要求1所述的一種基于深層次網絡嵌入特征的社會化信息推薦算法，其特征是：對用戶之間的社交關系網絡，使用node2vec算法，訓練得出網絡嵌入模型以提取用戶的網絡特征表示，根據用戶社交網絡，定義每個節點隨機游走規則；根據規則對網絡進行隨機游走，保存游走記錄；求得游走記錄的最大似然函數，得到每個用戶節點的網絡嵌入特征。

4.如權利要求3所述的一種基于深層次網絡嵌入特征的社會化信息推薦算法，其特征是：定義每個節點的隨機游走規則中，假設上一時刻在節點t，現在隨機游走到節點v，則下一步從節點v出發，會游走到v的其中一個鄰居節點v’∈{t,x₁,x₂,x₃},游走概率π_vv’定義為：

其中，d_t,v'指的是網絡中節點t與節點v’的最短路徑長度，p是控制隨機游走返回到上一節點的常數，q是控制隨機游走選擇深度遍歷或廣度遍歷的常數。

5.如權利要求3所述的一種基于深層次網絡嵌入特征的社會化信息推薦算法，其特征是：根據規則對網絡進行隨機游走，保存游走記錄的具體過程包括：

根據隨機游走規則，得到網絡G'_uu＝(U,E_uu,π)，U是用戶集合，E_uu是邊集；對網絡中的所有節點進行概率為π，步長為l的隨機游走，每次將游走記錄放入walk列表中，設定循環次數。