[發(fā)明專利]基于目標(biāo)物品增強表示的用戶個性化信息推薦方法

有效

• 申請?zhí)枺?/td>: 202110498063.4
• 申請日: 2021-05-08
• 公開（公告）號: CN113220994B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計）人: 馬喜波;雷震;蔡引江
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N3/08
• 代理公司: 北京市恒有知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

1.一種基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，該方法包括以下步驟：

S10，獲取用戶歷史記錄中的物品及待推薦的目標(biāo)物品，并映射為設(shè)定維度的特征向量；將用戶歷史記錄中的物品映射的特征向量作為第一特征向量，將待推薦的目標(biāo)物品映射的特征向量作為第二特征向量；

S20，計算第一特征向量、第二特征向量的相似度，并對各相似度進(jìn)行歸一化處理；通過歸一化后的相似度對各第一特征向量進(jìn)行加權(quán)求和，作為用戶關(guān)于目標(biāo)物品的興趣表示；

S30，獲取第一數(shù)據(jù)集、待推薦目標(biāo)物品的交集；通過預(yù)設(shè)的采樣方法從所述交集中采樣設(shè)定數(shù)目的物品，并映射為特征向量，作為第三特征向量；所述第一數(shù)據(jù)集為基于多個用戶歷史記錄的物品構(gòu)建的數(shù)據(jù)集；

S40，計算第二特征向量、第三特征向量的相似度，并對各相似度進(jìn)行歸一化處理；通過歸一化后的相似度對各第三特征向量進(jìn)行加權(quán)求和，作為關(guān)于目標(biāo)物品的增強表示；

S50，將第二特征向量、用戶關(guān)于目標(biāo)物品的興趣表示、關(guān)于目標(biāo)物品的增強表示拼接后輸入預(yù)構(gòu)建的分類器，預(yù)測得到用戶對待推薦的目標(biāo)物品的感興趣程度；并根據(jù)感興趣程度進(jìn)行排序，排序后，將前N個感興趣程度對應(yīng)的待推薦的目標(biāo)物品推薦給用戶；N為正整數(shù)。

2.根據(jù)權(quán)利要求1所述的基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，步驟S20中“計算第一特征向量、第二特征向量的相似度，并對各相似度進(jìn)行歸一化處理”，其方法為：

通過多層感知機計算第一特征向量、第二特征向量的相似度；

采用softmax函數(shù)對各相似度進(jìn)行歸一化處理。

3.根據(jù)權(quán)利要求1所述的基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，步驟S30中“通過預(yù)設(shè)的采樣方法從所述交集中采樣設(shè)定數(shù)目的物品”，其方法為：

通過全局采樣方法、局部采樣方法、帶權(quán)采樣方法、均勻采樣方法中的任一種方法從所述交集中采樣設(shè)定數(shù)目的物品。

4.根據(jù)權(quán)利要求3所述的基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，所述帶權(quán)采樣方法為：

其中，表示物品k在全局采樣方法下被采樣的概率，表示物品k在局部采樣方法下被采樣的概率，α表示權(quán)重，表示物品k在第一數(shù)據(jù)集中出現(xiàn)的次數(shù)，表示物品k與待推薦的目標(biāo)物品共同出現(xiàn)的次數(shù)，o_i表示物品i與第一數(shù)據(jù)集各用戶歷史記錄中除物品i外的物品構(gòu)建的集合，表示物品j在第一數(shù)據(jù)集中出現(xiàn)的次數(shù)，表示物品j在o_i中出現(xiàn)的次數(shù)。

5.根據(jù)權(quán)利要求4所述的基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，所述均勻采樣方法為：

6.根據(jù)權(quán)利要求1所述的基于目標(biāo)物品增強表示的用戶個性化信息推薦方法，其特征在于，所述分類器基于多層感知機構(gòu)建；所述多層感知機為三層，各層之間采用ReLu激活函數(shù)，各層的維度依次為80、40和1。