[發明專利]一種基于生成對抗網絡的多樣性推薦方法、裝置及服務器

有效

• 申請號: 202110465784.5
• 申請日: 2021-04-28
• 公開（公告）號: CN113268660B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 蘇暢;朱仙靈
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538;G06N3/0475;G06N3/094
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

本發明屬于人工智能技術領域，具體涉及一種基于生成對抗網絡的多樣性推薦方法、裝置及服務器；所述方法包括通過矩陣分解得到用戶矩陣和物品矩陣；所述用戶矩陣中包括用戶對物品的偏好信息，所述物品矩陣中包括物品的特征信息；將用戶對物品的偏好信息和物品的特征信息輸入到生成對抗網絡；將生成對抗網絡中的生成器和判別器進行對抗學習以生成推薦物品；采用最大邊緣相關多樣性算法對推薦物品進行排序，并向用戶輸出排序靠前的若干推薦物品；本發明能夠保證推薦結果是既具備多樣性又具備準確性，保證了推薦效果。

技術領域

本發明屬于人工智能技術領域，具體涉及一種基于生成對抗網絡的多樣性推薦方法、裝置及服務器。

背景技術

近年來，隨著云計算、大數據、物聯網等技術的迅猛發展，互聯網空間中各類應用的層出不窮引發了數據規模的爆炸式增長。大數據中蘊含著豐富的價值與巨大的潛力，將給人類社會帶來變革性的發展，但同時也帶來了嚴重的“信息過載”問題，如何快速有效地從紛繁復雜的數據中獲取有價值的信息成為了當前大數據發展的關鍵問題。

推薦系統(Recommender?System)是一種過濾信息的方法。推薦系統可以通過用戶的歷史行為，建模用戶偏好，向用戶提供個性化的信息內容。推薦系統已經在電子商務和內容提供商中得到廣泛的應用。對于用戶而言，推薦系統可以幫助用戶過濾信息，節省時間，發現用戶感興趣的內容，緩解信息過載問題。對服務提供商而言，推薦系統可以提高服務質量，增加用戶體驗，提升用戶對網站的滿意和依賴度，為網站帶來直接的收益。如今，從電商平臺到社交網站，從休閑娛樂到知識獲取，推薦系統已經是各類網站的核心競爭力。

但是，當前的個性化推薦系統和相應算法大多數關注如何提高推薦算法的準確性，通常會根據與用戶個人喜好和興趣的匹配程度來選擇排名靠前的項目(例如產品，電影)，而忽略了推薦結果的多樣性。結果是越來越多的用戶被局限到一個相對“狹窄”的推薦結果集里，用戶可能感興趣的一些信息卻被忽略掉了。例如協同過濾方式有利于受歡迎的項目，因此可能會給用戶推薦受歡迎的但是用戶已知的項目。基于內容的過濾可能會產生與用戶興趣相匹配的項目，但是其涵蓋的主題范圍非常狹窄。

發明內容

為了使推薦系統在保持推薦結果準確性的同時，在多樣性方面也呈現出優秀的表現，提出了一種基于生成對抗網絡的多樣性推薦方法、裝置及服務器。本申請基于生成對抗網絡，利用矩陣分解技術以及結合用戶興趣深度改進的最大邊緣相關多樣性算法，提出了一種多樣性推薦模型，以生成多樣化且又具有良好準確性的推薦結果。通過在兩個真實數據集上實驗驗證，結果表明本發明能夠有效地提高推薦結果的多樣性，同時在推薦結果的準確性上也表現良好。

第一方面，本發明提供了一種基于生成對抗網絡的多樣性推薦方法，所述方法包括：

通過矩陣分解得到用戶矩陣和物品矩陣；所述用戶矩陣中包括用戶對物品的偏好信息，所述物品矩陣中包括物品的特征信息；

將用戶對物品的偏好信息和物品的特征信息輸入到生成對抗網絡，進行對抗學習以生成推薦物品；采用最大邊緣相關多樣性算法對推薦物品進行排序，并向用戶輸出排序靠前的若干推薦物品。

在一種可能實現的方式中，本發明利用用戶興趣深度對所述最大邊緣相關多樣性算法進行改進，能夠得到使得大用戶興趣深度用戶的多樣性權重更大，更加關心多樣性的提升；同時減小用戶興趣深度用戶的多樣性權重，優先保證其準確性。

第二方面，本發明還提供了一種基于生成對抗網絡的多樣性推薦裝置，包括：

矩陣分解模塊，用于得到用戶矩陣和物品矩陣，其中所述用戶矩陣中包括用戶對物品的偏好信息，所述物品矩陣中包括物品的特征信息；

生成對抗網絡模塊，將用戶對物品的偏好信息和物品的特征信息輸入到生成對抗網絡，進行對抗學習以生成推薦物品；

排序模塊，用于采用最大邊緣相關多樣性算法對推薦物品進行排序；