[發(fā)明專利]基于顯隱性潛在因子模型的電視產(chǎn)品精準(zhǔn)推薦方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910085589.2
• 申請(qǐng)日: 2019-01-29
• 公開（公告）號(hào): CN109963175B
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計(jì)）人: 奚琪;桂智杰;李創(chuàng);項(xiàng)永明;楊萍
• 申請(qǐng)（專利權(quán)）人: 中國人民解放軍戰(zhàn)略支援部隊(duì)信息工程大學(xué)
• 主分類號(hào): H04N21/258
• 分類號(hào): H04N21/258;H04N21/25;H04N21/845;H04N21/81;H04L29/08;G06K9/62
• 代理公司: 鄭州大通專利商標(biāo)代理有限公司 41111
• 代理人: 陳勇

1.一種基于顯隱性潛在因子模型的電視產(chǎn)品精準(zhǔn)推薦方法，其特征在于，包括以下步驟：

步驟1：電視產(chǎn)品正題名通過正則表達(dá)式進(jìn)行處理，綜合考慮多種反爬蟲機(jī)制，設(shè)計(jì)爬蟲策略，對(duì)所需的外部數(shù)據(jù)進(jìn)行爬?。?/p>

步驟2：根據(jù)電視產(chǎn)品和用戶人群的不同特征，分別建立針對(duì)電視產(chǎn)品和用戶人群的分類模型，通過所述分類模型實(shí)現(xiàn)對(duì)電視產(chǎn)品信息和用戶信息的自動(dòng)標(biāo)簽標(biāo)注，得到標(biāo)注標(biāo)簽后的電視產(chǎn)品信息和標(biāo)注標(biāo)簽后的用戶信息；

步驟3：依據(jù)標(biāo)注標(biāo)簽后的電視產(chǎn)品信息和標(biāo)注標(biāo)簽后的用戶信息及爬取的外部數(shù)據(jù)得出顯性潛在因子，所述顯性潛在因子包括電視產(chǎn)品顯性潛在因子和用戶顯性潛在因子，通過顯性潛在因子得出隱性潛在因子，基于顯性潛在因子及隱性潛在因子構(gòu)建顯隱性潛在因子模型；

所述步驟3包括：

步驟3.1：依據(jù)標(biāo)注標(biāo)簽后的電視產(chǎn)品信息和爬取的外部數(shù)據(jù)得出電視產(chǎn)品顯性潛在因子，所述電視產(chǎn)品顯性潛在因子包括電視產(chǎn)品適用人群、電視產(chǎn)品靜態(tài)參數(shù)及電視產(chǎn)品類別信息，所述電視產(chǎn)品靜態(tài)參數(shù)包括電視產(chǎn)品的導(dǎo)演、演員、出品年代、聲道語種和地區(qū)參數(shù)；

步驟3.2：依據(jù)標(biāo)注標(biāo)簽后的用戶信息和爬取的外部數(shù)據(jù)得出用戶顯性潛在因子，所述用戶顯性潛在因子包括用戶家庭成員、用戶瀏覽特征及用戶收視偏好；

步驟3.3：將除電視產(chǎn)品顯性潛在因子和用戶顯性潛在因子以外的電視產(chǎn)品和用戶人群的特征定義為隱性潛在因子；

步驟3.4：對(duì)所述隱性潛在因子進(jìn)行求解：

設(shè)隱性潛在因子有n維，顯性潛在因子為m維，其中n為未知維數(shù)，m為已知的顯性潛在因子維數(shù)，則總的潛在因子空間維度為f＝m+n，基于傳統(tǒng)潛在因子模型，在確定顯性潛在因子的條件下，訓(xùn)練出n維未知的隱性潛在因子；

步驟3.5：將電視產(chǎn)品顯性潛在因子、用戶顯性潛在因子及隱性潛在因子共同構(gòu)成顯隱性潛在因子矩陣，所述顯隱性潛在因子矩陣包括用戶顯隱性潛在因子矩陣P和電視產(chǎn)品顯隱性潛在因子矩陣Q，通過如下方式計(jì)算P和Q：

定義損失函數(shù)：

其中，L是損失函數(shù)；p_i是用戶i的顯隱性潛在因子向量，q_j是電視產(chǎn)品j的顯隱性潛在因子向量；s_i，j是用戶i對(duì)電視產(chǎn)品j的評(píng)分；λ為懲罰因子；

在損失函數(shù)中加入基準(zhǔn)偏置項(xiàng)：

b_i，j＝μ+b_i+b_j

其中，μ表示所有用戶對(duì)電視產(chǎn)品打分的平均值，b_i和b_j分別表示用戶i和電視產(chǎn)品j的基準(zhǔn)偏置，將上述基準(zhǔn)偏置項(xiàng)加入到原損失函數(shù)的表達(dá)式中可得如下目標(biāo)函數(shù)表達(dá)式：

分別對(duì)上式的b_i、b_j、p_i和q_j求偏導(dǎo)，通過隨機(jī)梯度下降法求解參數(shù)b_i、b_j、p_i和q_j，根據(jù)隨機(jī)梯度下降法，在訓(xùn)練的過程中，各個(gè)參數(shù)都做如下更新：

其中，γ為學(xué)習(xí)步長；

步驟3.6：通過步驟3.1-步驟3.5完成顯隱性潛在因子模型的構(gòu)建；

步驟4：基于構(gòu)建的顯隱性潛在因子模型進(jìn)行電視產(chǎn)品的推薦。

2.根據(jù)權(quán)利要求1所述的基于顯隱性潛在因子模型的電視產(chǎn)品精準(zhǔn)推薦方法，其特征在于，所述步驟1包括：

步驟1.1：設(shè)計(jì)反爬蟲機(jī)制，所述反爬蟲機(jī)制包括采用模擬Ajax請(qǐng)求的方式，主動(dòng)發(fā)起異步請(qǐng)求獲取所需數(shù)據(jù)；

步驟1.2：根據(jù)反爬蟲機(jī)制設(shè)計(jì)網(wǎng)絡(luò)爬蟲算法，對(duì)網(wǎng)頁數(shù)據(jù)進(jìn)行爬?。?/p>

采取所述反爬蟲機(jī)制不斷發(fā)起Http請(qǐng)求，然后接收Http回應(yīng)，解析得到的HTML文件，如果是確定的結(jié)構(gòu)，直接匹配得到標(biāo)簽中的數(shù)據(jù)；

如果結(jié)構(gòu)為非確定的，則對(duì)整個(gè)DOM樹進(jìn)行遍歷搜索，獲取標(biāo)簽中的數(shù)據(jù)。