[發(fā)明專(zhuān)利]一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910283969.7
• 申請(qǐng)日: 2019-04-10
• 公開(kāi)（公告）號(hào): CN110362753B
• 公開(kāi)（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 楊志明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深思考人工智能機(jī)器人科技（北京）有限公司
• 主分類(lèi)號(hào): G06F16/9536
• 分類(lèi)號(hào): G06F16/9536;G06N3/02
• 代理公司: 北京德琦知識(shí)產(chǎn)權(quán)代理有限公司 11018
• 代理人: 牛崢;王麗琴

本發(fā)明公開(kāi)了一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦方法及系統(tǒng)，本發(fā)明基于用戶(hù)的隱式數(shù)據(jù)建立隱式反饋神經(jīng)網(wǎng)絡(luò)推薦(IFNNRM)模型，將獲取到的用戶(hù)標(biāo)識(shí)及多個(gè)要推薦的信息標(biāo)識(shí)，輸入到所建立的IFNNRM模型中，輸出得到推薦信息，用戶(hù)隱式數(shù)據(jù)包括用戶(hù)的特征信息、與用戶(hù)相關(guān)聯(lián)的要推薦信息、及用戶(hù)和用戶(hù)相關(guān)聯(lián)的要推薦信息之間的行為信息。由于本發(fā)明實(shí)施例在建立IFNNRM模型時(shí)基于用戶(hù)的隱式數(shù)據(jù)建立，所以在推薦時(shí)，采用IFNNRM進(jìn)行推薦，從而可以基于用戶(hù)的隱式數(shù)據(jù)，實(shí)現(xiàn)為用戶(hù)推薦信息。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別涉及一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)網(wǎng)絡(luò)側(cè)根據(jù)用戶(hù)數(shù)據(jù)為用戶(hù)進(jìn)行個(gè)性化推薦。在進(jìn)行個(gè)性化推薦過(guò)程中，需要根據(jù)用戶(hù)的歷史偏好和行為的用戶(hù)歷史數(shù)據(jù)，給用戶(hù)提供其感興趣的推薦信息。為了實(shí)現(xiàn)為用戶(hù)推薦信息，目前有基于內(nèi)容的推薦方法、協(xié)同過(guò)濾推薦方法、基于關(guān)聯(lián)規(guī)則的推薦方法及組合推薦方法，以下進(jìn)行簡(jiǎn)述。

基于內(nèi)容的推薦方法用來(lái)挖掘用戶(hù)以前喜歡的物品信息，以便能夠挖掘出和以前喜歡的物品信息相似的物品信息，作為推薦信息推薦給用戶(hù)。該方法通過(guò)對(duì)用戶(hù)以前評(píng)過(guò)分物品的描述及物品信息為用戶(hù)建立用戶(hù)的模型特征，在推薦過(guò)程中，將用戶(hù)的模型特征與新物品信息的特征相匹配，從而輸出用戶(hù)對(duì)新物品信息的評(píng)分，作為用戶(hù)推薦信息。

協(xié)同過(guò)濾推薦方法是通過(guò)用戶(hù)對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)，獲取到與目標(biāo)用戶(hù)或物品信息相似的對(duì)象作為候選推薦信息，進(jìn)行推薦。協(xié)同過(guò)濾推薦方法有兩種方式：基于用戶(hù)的協(xié)同過(guò)濾推薦方法及基于項(xiàng)目的協(xié)同過(guò)濾推薦方法。其中基于用戶(hù)的協(xié)同過(guò)濾推薦方法為：首先獲取用戶(hù)對(duì)于物品的評(píng)分，然后通過(guò)用戶(hù)間的相似性尋找用戶(hù)的最近鄰居集合，最后利用預(yù)測(cè)函數(shù)和鄰居用戶(hù)集合的評(píng)分來(lái)完成為用戶(hù)推薦的物品信息；基于物品的協(xié)同過(guò)濾推薦方法為：根據(jù)項(xiàng)目間相似性得到目標(biāo)項(xiàng)目的相似項(xiàng)目集合，通過(guò)預(yù)測(cè)函數(shù)和相似物品集合產(chǎn)生為用戶(hù)推薦的物品信息列表。

基于關(guān)聯(lián)規(guī)則的推薦方法是在用戶(hù)使用物品的事務(wù)集合中分析使用事務(wù)X的用戶(hù)中有多少對(duì)于事務(wù)Y也感興趣，從而在后續(xù)推薦過(guò)程中，基于分析，為用戶(hù)推薦信息。該方法根據(jù)預(yù)先產(chǎn)生的關(guān)聯(lián)規(guī)則及用戶(hù)的歷史數(shù)據(jù)為用戶(hù)推薦信息。

組合推薦方法是將多種推薦方法組合在一起的一種方法，分別采用設(shè)置的每種推薦方法，根據(jù)用戶(hù)的歷史數(shù)據(jù)為用戶(hù)推薦信息后，再有機(jī)的結(jié)合，得到結(jié)合后的推薦信息，作為最終為用戶(hù)推薦的信息。

上述每種推薦方法的輸入信息分別是用戶(hù)的歷史數(shù)據(jù)，然后基于用戶(hù)的歷史數(shù)據(jù)輸出推薦信息。其中，上述每種推薦方法基于的是用戶(hù)的歷史數(shù)據(jù)，而用戶(hù)的歷史數(shù)據(jù)都是顯式方式獲取得到的，也就是歷史采集用戶(hù)主動(dòng)對(duì)物品信息的評(píng)分等信息，而這種顯式獲取到的用戶(hù)歷史數(shù)據(jù)在有很多場(chǎng)景下是無(wú)法獲取到的，比如用戶(hù)并不主動(dòng)對(duì)物品信息進(jìn)行評(píng)分等。這時(shí)，采用上述推薦方法就無(wú)法實(shí)現(xiàn)為用戶(hù)推薦信息。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦方法，該方法能夠基于用戶(hù)隱式數(shù)據(jù)，實(shí)現(xiàn)為用戶(hù)推薦信息。

本發(fā)明實(shí)施例還提供一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦系統(tǒng)，該系統(tǒng)能夠基于用戶(hù)隱式數(shù)據(jù)，實(shí)現(xiàn)為用戶(hù)推薦信息。

本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的：

一種基于用戶(hù)隱式反饋的個(gè)性化神經(jīng)網(wǎng)絡(luò)推薦方法，該方法包括：

基于用戶(hù)的隱式數(shù)據(jù)建立隱式反饋神經(jīng)網(wǎng)絡(luò)推薦IFNNRM模型；

將獲取到的用戶(hù)標(biāo)識(shí)及多個(gè)要推薦的信息標(biāo)識(shí)，輸入到所建立的IFNNRM模型中，輸出得到推薦信息。

所述用戶(hù)的隱式數(shù)據(jù)包括用戶(hù)的特征信息、與用戶(hù)相關(guān)聯(lián)的要推薦信息、及用戶(hù)和用戶(hù)相關(guān)聯(lián)的要推薦信息之間的行為信息。

所述用戶(hù)的隱式數(shù)據(jù)的獲取包括：