[發(fā)明專利]基于偽本體的用戶畫(huà)像-項(xiàng)目推薦系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810563501.9
• 申請(qǐng)日: 2018-06-04
• 公開(kāi)（公告）號(hào): CN108920521B
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 張濤;鄧悅;翁康年;張濱
• 申請(qǐng)（專利權(quán)）人: 上海財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/906
• 代理公司: 上海盈盛知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31294
• 代理人: 孫佳胤

本發(fā)明提供基于偽本體的用戶畫(huà)像?項(xiàng)目推薦系統(tǒng)及方法，本發(fā)明提供的基于偽本體的用戶畫(huà)像?項(xiàng)目推薦系統(tǒng)包括：偽本體模塊、用戶畫(huà)像模塊、項(xiàng)目畫(huà)像模塊、基于偏好度的推薦模塊；所述偽本體模塊獲取領(lǐng)域相關(guān)文本，生成領(lǐng)域偽本體，并輸出到用戶畫(huà)像模塊和項(xiàng)目畫(huà)像模塊；所述用戶畫(huà)像模塊獲取用戶的網(wǎng)絡(luò)瀏覽行為，根據(jù)所述領(lǐng)域偽本體，向基于偏好度的推薦模塊輸出優(yōu)化的用戶特征向量；所述項(xiàng)目畫(huà)像模塊獲取項(xiàng)目相關(guān)描述文本，根據(jù)所述領(lǐng)域偽本體，向基于偏好度模塊的推薦輸出優(yōu)化的項(xiàng)目特征向量；所述基于偏好度的推薦模塊根據(jù)所述優(yōu)化的用戶特征向量和優(yōu)化的項(xiàng)目特征向量輸出用戶對(duì)應(yīng)的項(xiàng)目偏好度排名。

技術(shù)領(lǐng)域

本發(fā)明屬于用戶畫(huà)像生成技術(shù)領(lǐng)域，具體涉及基于偽本體的用戶畫(huà)像-項(xiàng)目推薦系統(tǒng)及方法。

背景技術(shù)

基于用戶畫(huà)像的推薦屬于推薦領(lǐng)域中基于內(nèi)容的推薦方法。該方法的定義為根據(jù)用戶選擇的物品或選擇物品時(shí)進(jìn)行的相關(guān)行為中提取出能反映用戶興趣的特征，如物品的特性(顏色，形狀)或用戶對(duì)物品的評(píng)論等，將提取出的用戶興趣特征作為用戶畫(huà)像，同時(shí)把待推薦的物品也用同樣維度的特征表示，通過(guò)將用戶畫(huà)像與物品畫(huà)像進(jìn)行計(jì)算來(lái)進(jìn)行推薦，推薦的結(jié)果極大的依賴于用戶畫(huà)像與物品畫(huà)像的準(zhǔn)確性。用戶畫(huà)像的結(jié)果依據(jù)數(shù)據(jù)的不同而異，目前研究用到的數(shù)據(jù)主要有三種類型：一類是用戶的交易數(shù)據(jù)，第二類是用戶發(fā)表的文本數(shù)據(jù)，主要來(lái)自于電商網(wǎng)站用戶的評(píng)論和社交網(wǎng)站用戶自發(fā)的狀態(tài)等，第三類數(shù)據(jù)為用戶瀏覽網(wǎng)頁(yè)的行為數(shù)據(jù)。第一類數(shù)據(jù)的特點(diǎn)是只包含數(shù)值型數(shù)據(jù)，不包含文本數(shù)據(jù)，僅能獲取用戶的購(gòu)買習(xí)慣為特征，刻畫(huà)的畫(huà)像維度有限。第二類數(shù)據(jù)能刻畫(huà)用戶的主觀情緒和情感值，但受限于用戶通常會(huì)有不同的文本表達(dá)習(xí)慣這一實(shí)際情況，且只能收集到網(wǎng)絡(luò)上活躍用戶的信息。第三類數(shù)據(jù)主要描述了用戶在何時(shí)瀏覽了哪些網(wǎng)頁(yè)。不管用戶是否喜歡在網(wǎng)絡(luò)上發(fā)表評(píng)論或狀態(tài)，網(wǎng)頁(yè)瀏覽已經(jīng)成為了用戶獲取信息最直接的方式，因此用戶的網(wǎng)頁(yè)瀏覽行為數(shù)據(jù)中蘊(yùn)含了大量客觀的關(guān)于用戶興趣的信息，較前兩類數(shù)據(jù)刻畫(huà)用戶畫(huà)像更具有優(yōu)勢(shì)，因此本系統(tǒng)采用用戶的網(wǎng)絡(luò)瀏覽行為刻畫(huà)用戶畫(huà)像。

盡管網(wǎng)絡(luò)瀏覽行為中蘊(yùn)含了大量關(guān)于用戶的興趣信息，但從中提取出有效特征并不容易。早期的研究工作通常會(huì)將用戶瀏覽頻繁的網(wǎng)頁(yè)域名或網(wǎng)頁(yè)關(guān)鍵詞作為特征集，將瀏覽的頻率經(jīng)過(guò)一定變換后作為特征值，然而如果將該方法應(yīng)用到用戶群，則會(huì)因?yàn)橛脩羧旱念l繁興趣網(wǎng)站不同而使得各用戶畫(huà)像的維度不統(tǒng)一。在近幾年，基于本體的用戶畫(huà)像建模方法逐漸發(fā)展并取得成效。由于本體天然的優(yōu)勢(shì)：各概念之間有明確的關(guān)系定義，使得基于本體的方法刻畫(huà)的用戶畫(huà)像能客觀清晰地描述用戶的特征，且對(duì)于不同的用戶，基于本體的方法生成的特征集具有固定不變的特點(diǎn)。

用本體進(jìn)行基于網(wǎng)絡(luò)瀏覽行為的用戶畫(huà)像建模的關(guān)鍵技術(shù)之一在于如何將網(wǎng)絡(luò)瀏覽行為用本體來(lái)表示。比較典型的工作有Domen等根據(jù)其研究的問(wèn)題采用了專家映射法。借助其團(tuán)隊(duì)在其研究領(lǐng)域有深厚的基礎(chǔ)，有能力通過(guò)專家識(shí)別的方法對(duì)固定領(lǐng)域的網(wǎng)頁(yè)進(jìn)行主題識(shí)別和分類，但該方法不能擴(kuò)展到其他領(lǐng)域，且專家映射雖然精確度高，但會(huì)耗費(fèi)大量的時(shí)間和人力成本。Hawalah等提出了tf-idf映射法，即通過(guò)tf-idf法將網(wǎng)頁(yè)文本內(nèi)容和本體概念的解釋文本內(nèi)容分別表示成詞袋向量，再度量?jī)蓚€(gè)文本之間相似性，最后將該相似度作為網(wǎng)頁(yè)到本體的映射值。該方法基本解決了各個(gè)領(lǐng)域的網(wǎng)頁(yè)難以映射到本體的問(wèn)題，但這是基于本體已經(jīng)存在，并且本體內(nèi)的概念有完整的說(shuō)明文檔的情況。但實(shí)際情況是只有極少數(shù)領(lǐng)域有本體。

網(wǎng)絡(luò)瀏覽行為在蘊(yùn)含海量與用戶有關(guān)的信息的同時(shí)，也蘊(yùn)含著大量干擾信息，如何從這些海量而雜亂的數(shù)據(jù)中提取出真實(shí)有效的信息是這類研究的關(guān)注點(diǎn)。解決這類問(wèn)題的研究普遍認(rèn)同的假設(shè)為：如果用戶對(duì)某一主題感興趣，則會(huì)多次瀏覽相關(guān)主題的網(wǎng)頁(yè)。基于該假設(shè)，有學(xué)者提出了the Contextual Concept Clusteringalgorithm(3C)算法，從網(wǎng)頁(yè)中識(shí)別出的主題進(jìn)行基于相似度權(quán)重的地聚類，將權(quán)重最大的概念用來(lái)代表網(wǎng)頁(yè)的主題，并使用參數(shù)β來(lái)控制參與聚類的候選概念個(gè)數(shù)。該方法能有效的排除掉網(wǎng)頁(yè)中的干擾信息，但當(dāng)網(wǎng)頁(yè)原本就含有多個(gè)主題時(shí)，由于該算法最終只選擇權(quán)重最高的概念來(lái)代表網(wǎng)頁(yè)主題，使得最終的映射結(jié)果會(huì)漏掉網(wǎng)頁(yè)中包含的其他主題，當(dāng)用戶瀏覽該網(wǎng)頁(yè)是出于對(duì)多個(gè)主題的興趣時(shí)，該算法又會(huì)使得畫(huà)像刻畫(huà)的用戶興趣不完整。