[發明專利]一種基于用戶圖譜的推薦方法

有效

• 申請號: 202110055446.4
• 申請日: 2021-01-15
• 公開（公告）號: CN112765465B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 鄧天;潘曄;利強;楊健;邵懷宗;林靜然
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李夢蝶

本發明提供了基于用戶圖譜的推薦方法，屬于推薦系統技術領域，本發明采用引入知識圖譜這一新維度的概念，維護一個現有用戶的特征?關系圖譜，提取新用戶的注冊信息，基于這些信息將新用戶也加入圖譜網絡，去除了新用戶“新”這一屬性，同時在圖譜網絡中，引入找新用戶所在定長的環這一概念，只要某些用戶和新用戶在同一環上，說明這些用戶和新用戶間至少存在一條或多條顯式特征相同，保證了尋找領域用戶結果的可靠性，同時基于不同特征設置不同權重，模擬了實際運用中某些特征可能更加能夠衡量用戶的特點，最終根據總的權重值大小來進行領域用戶的尋找，保證了結果的合理性。本發明通過以上設計，解決了傳統推薦系統中冷啟動的問題。

技術領域

本發明屬于推薦系統技術領域，尤其涉及一種基于用戶圖譜的推薦方法。

背景技術

隨著科學技術的不斷進步，互聯網也不斷進行了發展，到如今已經不斷滲透到人們的日常生活中，為人們提供了海量的信息。然而面對著互聯網上的海量信息資源，人們往往也很難從海量的信息中提取到符合自身需求的信息，從而使得信息的使用率下降了，產生了所謂的“信息過載”問題。為了解決該類問題，同時又避免了搜索引擎那種基于關鍵字推薦出“千篇一律”的內容，推薦系統應運而生。推薦系統的基本原理是對用戶的歷史行為數據，例如瀏覽、購買、評論、打分等數據進行保存，并挖掘出相應的用戶偏好信息，對這些信息進行分析構建相應的用戶興趣模型。針對不同的用戶，通過這些模型分析其潛在可能感興趣的內容，并主動推薦給用戶，為用戶提供個性化服務。

然而在推薦系統中存在一個主要的問題，即當一個新用戶進入系統時，系統中并不存在這個用戶的歷史行為數據，也就無法進行一個很可靠的分析，并為用戶提供一個有效的定制化推薦，這個問題便是推薦系統中的冷啟動問題。現有的解決推薦系統冷啟動問題主要有兩種解決方式：基于隨機推薦或者基于用戶標簽的最熱推薦，其中隨機推薦是最簡單的一種方式，即在新用戶登錄時隨機將系統中的物品推薦給用戶，這樣的推薦存在的問題很大，推薦結果完全不可信，極大概率推薦的物品和用戶自身所需物品區分度很大；第二種基于標簽的最熱推薦主要是在新用戶進入之前提取出能代表物品的一定特征的標簽(例如在電影中有犯罪、劇情、懸疑、科幻等等標簽)，在新用戶登錄的時候將這些標簽所對應物品中點擊率和評分較高的topK個物品推薦給用戶，這樣的操作雖然避免了第一種隨機推薦的結果不可信，但是由于熱度最高的那一系列物品可能是固定的，也許新用戶在其他系統中以及見過或者了解過，這樣就會造成自身構建的推薦系統推薦沒有區分度，體現不出個性化推薦的特點，同時需要用戶點擊一系列標簽這一行為本身可能不夠人性化，可能會使得新用戶失去繼續的興趣。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于用戶圖譜的推薦方法，解決了傳統推薦系統中冷啟動的問題。

為了達到以上目的，本發明采用的技術方案為：

本方案提供一種基于用戶圖譜的推薦方法，包括以下步驟：

S1、根據推薦系統用戶的注冊信息，提取所有用戶的特征，視不同的用戶特征重要性賦予不同的權重，并根據用戶特征構建用戶-特征知識圖譜；

S2、當新用戶注冊完成進入推薦系統時，提取新用戶的特征，并將新用戶的特征加入所述用戶-特征知識圖譜中，更新用戶-特征知識圖譜，同時在用戶-特征知識圖譜中利用找環的方式找到與新用戶在同一環上的相關用戶，并計算得到相關用戶與新用戶相連邊的權重之和，根據所述權重之和的大小對相關用戶進行排序，形成相關領域用戶列表；

S3、根據推薦系統中相關用戶的歷史信息，獲取相關用戶對物品的評分信息，構建用戶-評分矩陣，利用矩陣分解方法將所述用戶-評分矩陣分解為用戶特征矩陣以及物品特征矩陣，并對所述用戶特征矩陣以及物品特征矩陣進行訓練，生成評分預測模型；