[發明專利]基于語意特征的優化推薦方法在審
| 申請號： | 201910132455.1 | 申請日： | 2019-02-22 |
| 公開（公告）號： | CN109885748A | 公開（公告）日： | 2019-06-14 |
| 發明（設計）人： | 秦繼偉;蔣云鵬;汪烈軍 | 申請（專利權）人： | 新疆大學 |
| 主分類號： | G06F16/951 | 分類號： | G06F16/951;G06F16/9535;G06F16/33;G06F16/36 |
| 代理公司： | 濟南鼎信專利商標代理事務所(普通合伙) 37245 | 代理人： | 曹玉琳;彭賓 |
| 地址： | 830046 新疆維*** | 國省代碼： | 新疆;65 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語意特征 項目推薦 相似度 算法 傳統推薦系統 詞典建立 方法推薦 模型提取 項目詞典 項目內容 項目信息 用戶興趣 預測 優化 應用 | ||
1.一種基于語意特征的優化推薦方法，其特征在于包括以下步驟：
步驟1，收集項目信息，將其添加到空白詞典建立項目詞典；
步驟2，通過Word2vec模型提取項目信息中的語意特征，將詞轉化為詞向量計算項目間的相似度；
步驟3，根據項目間的相似度預測用戶感興趣的項目，應用Top-N推薦算法得出推薦的項目列表。
2.根據權利要求1所述的基于語意特征的優化推薦方法，其特征在于：步驟2中計算項目間相似度的過程如下：首先，利用Word2vec模型將項目詞典文本映射到向量空間，將其轉換為向量；其次，計算向量之間的歐幾里德距離，向量之間的歐幾里德距離即為項目之間的相似度。
3.根據權利要求1所述的基于語意特征的優化推薦方法，其特征在于：步驟1中所述項目信息包括用戶當前搜索關鍵詞和歷史行為。
4.根據權利要求3所述的基于語意特征的優化推薦方法，其特征在于：基于用戶歷史行為進行用戶偏好預測的過程如下：
步驟1，收集用戶的歷史行為，將所有用戶行為添加進空白詞典來建立用戶行為詞典；
步驟2，由用戶行為詞典訓練Word2vec模型得到用戶行為間的相似度；
步驟3，由訓練完成的結果預測用戶未來的行為，應用Top-N推薦算法得出推薦項目候選列表一；
步驟4，基于用戶評分，采用傳統推薦算法中的協同過濾算法進行預測，應用Top-N推薦算法得出推薦項目候選列表二；
步驟5，根據相同用戶合并兩個候選列表，得出最終的項目推薦列表。
5.根據權利要求3所述的基于語意特征的優化推薦方法，其特征在于：基于搜索關鍵詞進行關鍵詞預測的過程如下：
步驟1，收集描述項目的單詞，將所有組成項目的單詞添加進空白詞典來建立關鍵詞詞典；
步驟2，由關鍵詞詞典訓練Word2vec模型得到關鍵詞間的相似度；
步驟3，由訓練完成的結果對用戶輸入的關鍵詞進行相關關鍵詞預測，應用Top-N推薦算法得出關鍵詞推薦列表。
6.根據權利要求1-5任一項所述的基于語意特征的優化推薦方法，其特征在于：Word2vec模型選用Skip-gram模型及negative sampling優化框架。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于新疆大學，未經新疆大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910132455.1/1.html，轉載請聲明來源鉆瓜專利網。
