[發(fā)明專利]面向捐贈(zèng)眾籌領(lǐng)域的推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010022643.1
• 申請(qǐng)日: 2020-01-09
• 公開（公告）號(hào): CN111259236A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 李少波;宋輝;胡甜甜;蔣濤濤;張安思
• 申請(qǐng)（專利權(quán)）人: 貴州大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/951
• 代理公司: 貴陽(yáng)中新專利商標(biāo)事務(wù)所 52100
• 代理人: 劉艷

本發(fā)明公開了一種面向捐贈(zèng)眾籌領(lǐng)域的推薦方法，其特征在于：包含以下以下步驟：步驟1：通過網(wǎng)絡(luò)爬蟲，獲取數(shù)據(jù)源，并進(jìn)行本地存儲(chǔ)；步驟2：對(duì)獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，形成規(guī)范數(shù)據(jù)；步驟3：用戶意向捐贈(zèng)眾籌數(shù)據(jù)關(guān)聯(lián)：通過自然語(yǔ)言的方法構(gòu)建一個(gè)捐贈(zèng)眾籌知識(shí)庫(kù)；基于實(shí)體的信息抽取技術(shù)對(duì)用戶文本內(nèi)容進(jìn)行信息提取；其次，將提取的用戶信息和公益信息關(guān)聯(lián)關(guān)系存儲(chǔ)到知識(shí)庫(kù)中；最后，在知識(shí)庫(kù)上進(jìn)行知識(shí)檢索和推理完成兩種捐贈(zèng)意向關(guān)聯(lián)關(guān)系的分析；步驟4：基于知識(shí)庫(kù)，構(gòu)建用戶捐贈(zèng)眾籌的推薦方法：根據(jù)建立的捐贈(zèng)眾籌關(guān)聯(lián)關(guān)系，運(yùn)用協(xié)同過濾算法計(jì)算有意向捐贈(zèng)者之間的意向捐贈(zèng)程度，建立意向捐贈(zèng)程度矩陣其中Sim(V_p，V_q)表示有意向捐贈(zèng)的明星之間的意向捐贈(zèng)程度，Vp與Vn表示的是用戶與商品，r_vp與r_vq分別是兩個(gè)用戶的矩陣。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于網(wǎng)絡(luò)捐贈(zèng)眾籌信息推薦系統(tǒng)方法，本文采用了數(shù)據(jù)挖掘、自然語(yǔ)言處理以及推薦系統(tǒng)的方法相結(jié)合。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，互聯(lián)網(wǎng)數(shù)據(jù)特征日益凸顯，其數(shù)據(jù)量增長(zhǎng)異常迅猛，數(shù)據(jù)類型多樣、數(shù)據(jù)質(zhì)量良莠不齊并且關(guān)聯(lián)關(guān)系復(fù)雜。同時(shí)，互聯(lián)網(wǎng)大數(shù)據(jù)另外一個(gè)突出的特點(diǎn)就是其價(jià)值密度低，大數(shù)據(jù)中包含了大量重復(fù)、噪聲和垃圾數(shù)據(jù)，存在大量共現(xiàn)但又毫無意義的關(guān)聯(lián)模式。數(shù)據(jù)龐大的規(guī)模、復(fù)雜的關(guān)聯(lián)關(guān)系，使得傳統(tǒng)的文本分析和挖掘技術(shù)在計(jì)算的時(shí)空復(fù)雜度上激增；另外，迅猛的數(shù)據(jù)增長(zhǎng)速率、巨大的數(shù)據(jù)體量也使得傳統(tǒng)的全量計(jì)算模式不再適用。互聯(lián)網(wǎng)大數(shù)據(jù)復(fù)雜的內(nèi)在特征使得信息提取變得十分困難。當(dāng)今推薦系統(tǒng)主要根據(jù)用戶的相似特征以及瀏覽數(shù)據(jù)等情況為用戶推薦感興趣的內(nèi)容。而眾籌信息的種類比較多，且推薦范圍比較廣，對(duì)于用戶沒有一個(gè)相似特征或?yàn)g覽記錄，用戶出現(xiàn)冷啟動(dòng)要進(jìn)行精準(zhǔn)的信息推送是當(dāng)前比較困難的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決捐贈(zèng)項(xiàng)目的冷啟動(dòng)問題以及對(duì)現(xiàn)在推薦結(jié)果效果不好，提供了一種基于文本挖掘的捐贈(zèng)信息推薦方法，達(dá)到了為用戶推薦捐贈(zèng)或者眾籌項(xiàng)目信息的目的；本方案通過爬蟲獲取明星用戶的數(shù)據(jù)，通過對(duì)數(shù)據(jù)進(jìn)行預(yù)處理得到規(guī)范的文本；然后構(gòu)建意向捐贈(zèng)眾籌數(shù)據(jù)關(guān)聯(lián)；最后通過協(xié)同過濾算法進(jìn)行推薦。

本發(fā)明的技術(shù)方案是：為解決上述的問題，本發(fā)明采用協(xié)同過濾算法思想，找用戶的相似特征以及捐贈(zèng)記錄等數(shù)據(jù)，首先是通過爬蟲獲取用戶的數(shù)據(jù)，然后采用文本挖掘技術(shù)挖掘意向捐贈(zèng)眾籌的數(shù)據(jù)，并且進(jìn)行關(guān)聯(lián)。通過自然語(yǔ)言處理的方法構(gòu)建知識(shí)庫(kù)進(jìn)行知識(shí)的檢索與推理；最后根據(jù)協(xié)同過濾算法計(jì)算相似度，實(shí)現(xiàn)捐贈(zèng)眾籌信息的推薦。

一種面向捐贈(zèng)眾籌領(lǐng)域的推薦方法，包含以下以下步驟：步驟1：通過網(wǎng)絡(luò)爬蟲，獲取數(shù)據(jù)源，并進(jìn)行本地存儲(chǔ)；步驟2：對(duì)獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，形成規(guī)范數(shù)據(jù)；步驟3：用戶意向捐贈(zèng)眾籌數(shù)據(jù)關(guān)聯(lián)：通過自然語(yǔ)言的方法構(gòu)建一個(gè)捐贈(zèng)眾籌知識(shí)庫(kù)；基于實(shí)體的信息抽取技術(shù)對(duì)用戶文本內(nèi)容進(jìn)行信息提取；其次，將提取的用戶信息和公益信息關(guān)聯(lián)關(guān)系存儲(chǔ)到知識(shí)庫(kù)中；最后，在知識(shí)庫(kù)上進(jìn)行知識(shí)檢索和推理完成兩種捐贈(zèng)意向關(guān)聯(lián)關(guān)系的分析；步驟4：基于知識(shí)庫(kù)，構(gòu)建用戶捐贈(zèng)眾籌的推薦方法：根據(jù)建立的捐贈(zèng)眾籌關(guān)聯(lián)關(guān)系，運(yùn)用協(xié)同過濾算法計(jì)算有意向捐贈(zèng)者之間的意向捐贈(zèng)程度，建立意向捐贈(zèng)程度矩陣

其中Sim(Vp，Vq)表示有意向捐贈(zèng)的明星之間的意向捐贈(zèng)程度，Vp與Vn表示的是用戶與商品，rvp與rvq分別是兩個(gè)用戶的矩陣。

所述的步驟1中獲得的數(shù)據(jù)源為用戶的公益信息，所述的公益信息包含公益名稱、捐贈(zèng)眾籌情況、公益地點(diǎn)、合作機(jī)構(gòu)和評(píng)論。

所述的步驟2中的數(shù)據(jù)預(yù)處理為數(shù)據(jù)清洗、去冗余、去噪、過濾操作，獲得規(guī)范化的文本數(shù)據(jù)。

本發(fā)明的有益效果：基于文本挖掘的捐贈(zèng)眾籌的推薦方法，將項(xiàng)目分為四步：數(shù)據(jù)獲取、數(shù)據(jù)清洗、候選捐贈(zèng)眾籌關(guān)聯(lián)關(guān)系、構(gòu)建推薦算法。最后通過有效的推薦，將捐贈(zèng)眾籌信息推薦給感興趣的明星用戶，會(huì)極大的提高推薦用戶感興趣的程度。

附圖說明