[發(fā)明專利]融合主題匹配與雙向偏好的個(gè)性化事件推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010069262.9
• 申請日: 2020-01-21
• 公開（公告）號(hào): CN111428127B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 錢忠勝;楊家秀;朱懿敏
• 申請（專利權(quán)）人: 江西財(cái)經(jīng)大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9537;G06F16/9536
• 代理公司: 深圳市華騰知識(shí)產(chǎn)權(quán)代理有限公司 44370
• 代理人: 彭年才

本發(fā)明公開了一種融合主題匹配與雙向偏好的個(gè)性化事件推薦方法及系統(tǒng)。首先，利用文檔主題生成模型LDA提取事件和用戶參與的歷史事件的主題信息，計(jì)算用戶與事件的主題匹配度；其次，對于基于事件的社交網(wǎng)絡(luò)推薦從用戶和事件的雙向角度考慮，構(gòu)建用戶和事件的偏好模型，分別得到用戶偏好評分和事件偏好評分，從用戶和事件兩個(gè)角度更完整地挖掘偏好關(guān)系；最后，將用戶?事件對匹配度融合用戶事件雙向偏好線性加權(quán)組合得到最終的用戶?事件對綜合評分，將排序后的TOP?K個(gè)用戶?事件對作為推薦結(jié)果。本方案推薦算法的性能優(yōu)于傳統(tǒng)的推薦方案，能很好地預(yù)測用戶的個(gè)性化偏好，從而達(dá)到個(gè)性化推薦的目的。

技術(shù)領(lǐng)域

本發(fā)明涉及信息推薦技術(shù)領(lǐng)域，具體涉及一種融合主題匹配與雙向偏好的個(gè)性化事件推薦方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)和計(jì)算機(jī)技術(shù)的快速發(fā)展，近年來傳統(tǒng)的社交網(wǎng)絡(luò)也朝著不同的革新方向發(fā)展，隨之形成了一些特殊類型的新型社交網(wǎng)絡(luò)，比如基于位置的社交網(wǎng)絡(luò)(Location-Based?Social?Network,?LBSN)，主要根據(jù)用戶的地理簽到信息形成社交關(guān)系的社交網(wǎng)絡(luò)，以及另一種線上與線下結(jié)合的復(fù)雜異構(gòu)社交網(wǎng)絡(luò)——基于事件的社交網(wǎng)絡(luò)(Events-Based?Social?Network,?EBSN)，區(qū)別于傳統(tǒng)的社交網(wǎng)絡(luò)中熟人之間建立的好友關(guān)系，基于事件的社交網(wǎng)絡(luò)中用戶通過社會(huì)活動(dòng)建立人際關(guān)系，用戶根據(jù)自身的興趣或共同點(diǎn)加入線上的興趣小組和線下的集體社交活動(dòng)。

基于事件的社交網(wǎng)絡(luò)正處于快速發(fā)展的過程中，越來越多的用戶選擇在事件社交網(wǎng)絡(luò)中參與社交活動(dòng)，在基于事件的社交網(wǎng)絡(luò)平臺(tái)上，用戶可以加入各種不同的線上群組，組織者或者組內(nèi)的用戶可以發(fā)起并參與任意的線下社交活動(dòng)，例如聚會(huì)、徒步旅行、體育活動(dòng)、演唱會(huì)等，并與其他用戶進(jìn)行信息共享。

基于事件的社交網(wǎng)絡(luò)可以為用戶提供從線上到線下結(jié)合的社交服務(wù)，幫助用戶發(fā)起及制定個(gè)性化的事件參與計(jì)劃。用戶在線上通過共同興趣形成在線群組關(guān)系，并在線上發(fā)起線下集會(huì)事件，基于事件的社交網(wǎng)絡(luò)擁有比基于位置的社交網(wǎng)絡(luò)更廣泛的社交屬性，已有的工作表明在推薦系統(tǒng)中事件社交網(wǎng)絡(luò)擁有比傳統(tǒng)社交網(wǎng)絡(luò)的更好的推薦特性。

當(dāng)前大部分基于事件的社交網(wǎng)絡(luò)推薦主要是基于用戶單向角度提取特征偏好進(jìn)行推薦，雖然會(huì)考慮事件主辦方的社交影響，但對于事件的潛在吸引度表示性不足。另一方面，關(guān)于主題因素的影響僅僅將事件主題作為推薦因素之一，較少考慮用戶主題因素及其與事件主題的匹配度。

發(fā)明內(nèi)容

有鑒于此，有必要提供一種結(jié)合幾類主要的上下文信息計(jì)算用戶偏好及事件潛在偏好，并最終融合主題匹配度與用戶-事件雙向偏好的融合主題匹配與雙向偏好的個(gè)性化事件推薦方法及系統(tǒng)。

一種融合主題匹配與雙向偏好的個(gè)性化事件推薦方法，包括以下步驟：

步驟一，以文檔主題生成模型LDA提取事件的主題信息，并根據(jù)用戶參與的歷史事件記錄得到用戶主題信息，計(jì)算新事件和用戶歷史事件的主題，采用JS散度算法計(jì)算用戶-事件對的主題匹配度評分；

步驟二，分別構(gòu)建用戶偏好模型和事件偏好模型，并分別計(jì)算用戶偏好評分和事件偏好評分；

步驟三，利用貝葉斯個(gè)性化排序算法BPR學(xué)習(xí)用戶偏好評分和事件偏好評分的權(quán)重參數(shù)，得到用戶事件雙向偏好評分，將主題匹配度評分和雙向偏好評分線性加權(quán)組合得出用戶-事件對的最終推薦評分，向用戶推薦排序后的前K個(gè)事件。

進(jìn)一步地，步驟一中的所述文檔主題生成模型LDA具有三層生成式貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，包括文檔、主題和詞，其中文檔-主題和主題-詞均服從多項(xiàng)式分布；每個(gè)文檔以一定概率選擇一個(gè)主題，并從這個(gè)主題中以一定概率選擇一個(gè)詞語，在任意文檔中的主題均符合Dirichlet分布，通過該分布發(fā)掘文本之間的關(guān)系。

進(jìn)一步地，步驟一中的所述計(jì)算新事件和用戶歷史事件的主題，采用JS散度算法計(jì)算用戶-事件對的主題匹配度評分，具體步驟包括：