[發明專利]一種融合評論文本與時序效應的協同過濾推薦方法和裝置

有效

• 申請號: 202010099934.0
• 申請日: 2020-02-18
• 公開（公告）號: CN111339439B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 程夢琪;謝勝利;楊曉星
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/0601
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 沈闖

1.一種融合評論文本與時序效應的協同過濾推薦方法，其特征在于，包括：

獲取目標數據，所述目標數據包括用戶集合、物品集合、用戶-物品評分矩陣R和評論文本集合，所述用戶集合中的用戶包括目標用戶和非目標用戶；

基于所述評論文本集合得到的物品特征集合計算情感值；

基于所述情感值計算所述物品集合中每個物品在每個預置主題上的評分，生成物品-主題評分矩陣；

基于所述評論文本集合中各評論文本的評論時間對所述物品-主題評分矩陣中的所述評分進行篩選，基于篩選后的所述物品-主題評分矩陣計算物品相似度；

基于所述物品相似度對所述物品集合中的所述物品進行聚類，得到若干個簇；

當存在用戶對所述簇中的所述物品沒有評分時，基于所述物品相似度計算所述物品的虛擬評分，并將所述虛擬評分填充到所述用戶-物品評分矩陣R，得到用戶-物品評分矩陣R'；

基于所述戶-物品評分矩陣R'計算所述目標用戶未評論過的所述物品的預測評分；

對所述預測評分進行降序排序，將排在前預置數量位的所述物品推薦給所述目標用戶；

所述基于所述情感值計算所述物品集合中每個物品在每個預置主題上的評分，生成物品-主題評分矩陣，包括：

基于所述情感值計算所述物品集合中每個物品的每個物品特征的特征質量；其中，所述特征質量的計算公式為：

；

其中，U是用戶集合，為用戶u對物品i的物品特征f的情感值，為物品i的物品特征f的特征質量；

基于所述特征質量計算每個所述物品在每個預置主題上的評分，生成物品-主題評分矩陣；其中，每個所述物品在每個預置主題上的評分的計算公式為：

；

其中，為物品i在預置主題p上的評分，，為預置主題p的物品特征f的數量，為物品i的第k個物品特征的特征質量；

所述物品相似度的計算公式為：

；

其中，為物品i與物品j之間的物品相似度，T為去除掉早期評論的時間區域，t為去除掉早期評論的評論時間，P為預置主題集合，為評論時間t的物品i在所有主題上的平均評分，為物品j在預置主題p上的評分，為評論時間t的物品j在所有主題上的平均評分。

2.根據權利要求1所述的融合評論文本與時序效應的協同過濾推薦方法，其特征在于，所述基于所述戶-物品評分矩陣R'計算所述目標用戶未評論過的所述物品的預測評分，包括：

對所述用戶-物品評分矩陣R'進行矩陣分解，得到用戶隱含因子矩陣和物品隱含因子矩陣；

將所述用戶隱含因子矩陣和所述物品隱含因子矩陣相乘得到預測評分矩陣，基于所述預測評分矩陣得到所述目標用戶未評論過的所述物品的預測評分。

3.根據權利要求1所述的融合評論文本與時序效應的協同過濾推薦方法，其特征在于，所述基于所述戶-物品評分矩陣R'計算所述目標用戶未評論過的所述物品的預測評分，還包括：

基于所述戶-物品評分矩陣R'計算所述非目標用戶與所述目標用戶的用戶相似度；

對所述用戶相似度進行降序排序，選擇前k個所述用戶相似度對應的所述非目標用戶作為所述目標用戶的近鄰用戶，其中，k為大于0的整數；

基于所述近鄰用戶對目標物品的評分、所述目標用戶對所有所述物品的評分的平均值以及所述目標用戶與所述近鄰用戶的所述用戶相似度計算所述目標物品的預測評分，其中，所述目標物品為所述目標用戶未評論過的所述物品，且所述近鄰用戶評論過的所述物品。