[發(fā)明專利]一種基于大數(shù)據(jù)的推薦方法、系統(tǒng)及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110695334.5
• 申請日: 2021-06-23
• 公開（公告）號: CN113254788B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 洪麗鳳;劉立斌
• 申請（專利權(quán)）人: 佛山市墨納森智能科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/906;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 佛山粵進知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44463
• 代理人: 張敏

1.一種基于大數(shù)據(jù)的推薦方法，其特征在于，包括：

獲取目標用戶的屬性信息，基于所述目標用戶的屬性信息建立用戶異質(zhì)信息網(wǎng)絡(luò)；

同時建立項目異質(zhì)信息網(wǎng)絡(luò)，運用交互算法關(guān)聯(lián)所述用戶異質(zhì)信息網(wǎng)絡(luò)和項目異質(zhì)信息網(wǎng)絡(luò)；

基于上下文感知建立節(jié)點嵌入模型，使不同信息對齊到同一空間；

通過對目標用戶和項目的低維嵌入表示計算得分生成排序結(jié)果，根據(jù)所述排序結(jié)果對目標用戶的喜好進行預(yù)測推薦；

同時，通過目標用戶及項目的屬性信息提取特征構(gòu)建異質(zhì)信息網(wǎng)絡(luò)，根據(jù)節(jié)點之間的相對關(guān)系對目標用戶的多種行為進行反饋，通過反饋數(shù)據(jù)對目標用戶實現(xiàn)推薦，具體為：

獲取目標用戶及項目的屬性信息，獲取目標用戶的多種行為記錄；

構(gòu)建目標用戶異質(zhì)信息網(wǎng)絡(luò)、項目異質(zhì)信息網(wǎng)絡(luò)以及目標用戶與項目多種行為記錄異質(zhì)信息網(wǎng)絡(luò)；

根據(jù)異質(zhì)信息網(wǎng)絡(luò)中節(jié)點的跳轉(zhuǎn)獲取目標用戶與項目的聯(lián)系以及不同類型的反饋信息，并將所述反饋信息分為正反饋信息與負反饋信息；

預(yù)設(shè)所述正反饋信息與負反饋信息的權(quán)重，進行多種類型反饋信息的抽樣；

通過自注意力方法實現(xiàn)權(quán)重的自適應(yīng)變化；

根據(jù)對反饋信息進行表示學(xué)習(xí)及對齊，完成對目標用戶的喜愛推薦；

所述的通過對目標用戶和項目的低維嵌入表示計算得分生成排序結(jié)果，具體為：

將目標用戶和項目進行嵌入對齊連接，獲取目標用戶和項目之間的數(shù)據(jù)關(guān)聯(lián)；

提取所述數(shù)據(jù)關(guān)聯(lián)的特征值、上下文出現(xiàn)概率預(yù)測結(jié)果數(shù)據(jù)，將提取到的數(shù)據(jù)進行預(yù)處理；

根據(jù)所述特征值及上下文出現(xiàn)概率預(yù)測結(jié)果數(shù)據(jù)生成權(quán)重信息，通過權(quán)重比例計算出目標用戶與項目之間的相關(guān)性得分；

按所述相關(guān)性得分將目標用戶與項目的相關(guān)性進行倒序排序，根據(jù)所述排序結(jié)果對目標用戶的喜好進行預(yù)測推薦；

所述的根據(jù)所述特征值及上下文出現(xiàn)概率預(yù)測結(jié)果數(shù)據(jù)生成權(quán)重信息 ，則所述權(quán)重信息的計算公式具體為：

其中，表示所求權(quán)重信息，表示項目系數(shù)，表示上下文出現(xiàn)概率預(yù)測結(jié)果數(shù)據(jù)，表示特征值項數(shù)，表述數(shù)據(jù)關(guān)聯(lián)項數(shù)；

還包括，建立神經(jīng)網(wǎng)絡(luò)模型對預(yù)測信息進行誤差補償及修正，具體為：

建立初始神經(jīng)網(wǎng)絡(luò)模型，選取相關(guān)數(shù)據(jù)作為訓(xùn)練集對所述初始神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練；

設(shè)定神經(jīng)網(wǎng)絡(luò)模型誤差閾值，測試模型誤差值，將測量所得誤差值與閾值進行比較；

若小于，則證明所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完畢，得到訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型；

將預(yù)測信息導(dǎo)入訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型，生成所述預(yù)測信息的誤差補償信息；

將所述預(yù)測信息的誤差補償信息反饋到節(jié)點嵌入模型，對預(yù)測信息進行誤差補償及修正。

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的推薦方法，其特征在于，所述的基于上下文感知建立節(jié)點嵌入模型，使不同信息對齊到同一空間，具體為：

獲取目標用戶及項目的屬性信息，從所述屬性信息中進行特征提取，構(gòu)建異質(zhì)信息網(wǎng)絡(luò)；

選取異質(zhì)信息網(wǎng)絡(luò)中第節(jié)點，將第節(jié)點作為中心詞，第節(jié)點的鄰居節(jié)點作為相應(yīng)上下文；

進行多種類型上下文的抽樣，根據(jù)所述中心詞進行相應(yīng)上下文出現(xiàn)概率的預(yù)測；

計算用戶異質(zhì)信息網(wǎng)絡(luò)及項目異質(zhì)信息網(wǎng)絡(luò)的損失函數(shù)；

通過協(xié)同過濾的方法對所述損失函數(shù)進行對齊，完成模型的參數(shù)優(yōu)化；

通過所述節(jié)點嵌入模型實現(xiàn)目標用戶及項目的低維嵌入表達，將不同的信息實現(xiàn)在同一空間的對齊。

3.根據(jù)權(quán)利要求2所述的一種基于大數(shù)據(jù)的推薦方法，其特征在于，所述的多種類型上下文的抽樣基于用戶異質(zhì)信息網(wǎng)絡(luò)和項目異質(zhì)信息網(wǎng)絡(luò)的交互網(wǎng)絡(luò)實現(xiàn)，根據(jù)所述中心詞進行相應(yīng)上下文出現(xiàn)概率的預(yù)測計算公式具體為：

其中，表示節(jié)點的特征，為項目的低維度向量表示形式，為用戶集合，表示當節(jié)點是節(jié)點的上下文時的低維度向量表示形式，表示噪聲函數(shù)。