[發明專利]一種基于用戶人格分析的群組推薦方法

在審

• 申請號: 202210615771.6
• 申請日: 2022-06-01
• 公開（公告）號: CN114936943A
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 吳雯;葉光澤;周錫雄;賀樑
• 申請（專利權）人: 華東師范大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N5/02
• 代理公司: 上海藍迪專利商標事務所(普通合伙) 31215
• 代理人: 徐筱梅;張翔

本發明公開了一種基于用戶人格分析的群組推薦方法，其特點是采用將用戶人格信息作為側面信息的群組推薦方法，該方法獲取用戶的人格隱式表示，將人格作為用戶屬性構建用戶與物品的協同知識圖譜，生成協同知識圖譜中每個實體的鄰居實體聚合表示，并生成協同知識圖譜中每個實體的多階聚合表示，融合用戶人格表示和實體高階表示生成群組偏好表示，最終根據群組偏好表示和物品表示預測二者匹配程度進行基于用戶人格分析的群組推薦。本發明與現有技術相比具有較好的避免數據稀疏性問題，在考慮到個體人格的基礎上再進行群組推薦會更符合實際情況，推薦結果更為準確，可解釋性更強，準確率更高，有效性更好。

技術領域

本發明涉及群組推薦任務技術領域，具體地說是一種基于用戶人格分析的群組推薦方法。

背景技術

群組推薦(Group Recommendation)是推薦系統中的一項新興任務，其目的是根據一組用戶的偏好向這個群組推薦項目。如何從小組成員與物品的海量交互數據中抽取出整個群組的偏好變得尤為重要，特別是在團體活動領域，群組推薦系統能夠為團體活動提出建議，給予整個團體每個成員更好的體驗。

在早期研究中，研究者們將群組視為一個特殊的個體，并將個體推薦方法應用于群組推薦任務。但是，這種方法只適用于擁有充分的群組-項目交互信息的穩定群組，而不適用于群組-項目交互信息非常稀疏，甚至缺失的偶發群組。為了解決偶發群組的群組-項目交互信息稀疏性問題，研究者們采用基于個體評分或偏好聚合的方法來處理群組推薦任務。然而，這些預定義的聚合方法不足以捕捉群體決策復雜的動態過程，導致群體推薦的次優表現。

隨著注意力機制在深度學習中的發展，群組推薦系統也融入了注意力模塊以模擬群體中的每個成員，對群體的最終決策作出不同權重的貢獻的動態過程。然而，這些工作根據用戶的固有興趣或物品的固有特征單獨的對他們建模，不能充分利用群組、用戶和項目之間的相互依存關系，并且針對偶發群組仍然存在嚴重的冷啟動問題。現有的研究往往使用圖神經網絡進行群組推薦，因為圖神經網絡能夠抓群組、用戶和項目之間相互依存，相互作用的關系，從而能夠更好地聚合群組偏好并改善偶發群組的冷啟動問題。

現有技術的群組推薦往往假設用戶對于群組的決策貢獻大小是基于對物品的喜好程度或是自身的社會影響力強弱，存在著群組推薦任務中偶發群組數據稀疏性問題。而實際上，個體在群組中對最終決策的影響很大程度上是由個體人格與個體對物品的喜好程度共同決定的，一個溫和的人格在群組中更可能表現得忽略自身的喜好，而一個強勢的人格可能放大自身的喜好。

發明內容

本發明的目的是針對現有技術的不足而設計的一種基于用戶人格分析的群組推薦方法，采用將用戶人格信息作為側面信息的群組推薦方法，利用知識圖譜學習用戶的偏好特征表示，以及用戶對于項目的文本評論抽取用戶的人格特征表示，使用結合用戶的偏好特征表示和人格特征表示生成群組的特征表示，最后根據群組的特征表示為群組推薦物品，該方法在考慮到個體人格的基礎上再進行群組推薦會更符合實際情況，推薦結果更為準確，可解釋性更強，方法簡便，效果更好，具有良好的應用前景。

實現本發明目的具體技術方案是：一種基于用戶人格分析的群組推薦方法，其特點是采用將用戶人格信息作為側面信息的群組推薦方法，具體包括以下步驟：

步驟一、獲取用戶的人格隱式表示

使用n維向量T＝{t₁,t₂…t_n}作為用戶的人格表示，其中n的取值在100到200之間，t_i是第i個心理詞庫類別的顯著度。

所述人格表示T由用戶的歷史評論文本信息計算而得，對于每一個用戶，第一步是由下述(r)式計算每個心理詞庫類別的詞頻tf_i：

其中，C_i是用戶歷史評論文本中出現的第i類心理詞庫類別詞的次數；N是歷史評論文本中的總詞數。