[發(fā)明專利]一種結(jié)合Doc2vec和Faiss的個性化文獻推薦方法在審
| 申請?zhí)枺?/td> | 202211437258.9 | 申請日： | 2022-11-17 |
| 公開（公告）號： | CN115905695A | 公開（公告）日： | 2023-04-04 |
| 發(fā)明（設(shè)計）人： | 張良;王現(xiàn)臣;肖銀濤;王友平;高清華 | 申請（專利權(quán)）人： | 同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06F40/30;G06F40/289;G06F16/31;G06F18/22 |
| 代理公司： | 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340 | 代理人： | 陳新勝 |
| 地址： | 100192 北京市海*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 結(jié)合 doc2vec faiss 個性化 文獻 推薦 方法 | ||
1.一種結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，包括：
A、從學(xué)術(shù)文獻庫中采集學(xué)術(shù)文獻數(shù)據(jù)并進行預(yù)處理，生成訓(xùn)練語料庫；
B、將訓(xùn)練語料庫輸入Doc2vec模型進行訓(xùn)練，得到語義模型；
C、使用語義模型推斷召回池文獻Embedding和用戶行為文獻Embedding；
D、將召回池文獻向量添加至Faiss，構(gòu)建索引向量庫；
E、制定用戶Embedding計算規(guī)則，將所述用戶行為文獻Embedding進行線性加權(quán)作為用戶特征向量；
F、基于用戶特征向量在Faiss中進行文獻召回，為用戶生成個性化文獻推薦列表。
2.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述A中學(xué)術(shù)文獻庫包括期刊、博士論文、碩士論文、會議文獻庫，采集百萬級文獻數(shù)據(jù)；對所述文獻進行分詞形成單詞列表降噪、過濾掉停用詞、非法字符形成訓(xùn)練語料庫。
3.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述B中，采用Doc2vec的PV-DM訓(xùn)練方法和負(fù)采樣加速訓(xùn)練方式，將訓(xùn)練語料庫輸入Doc2vec模型進行訓(xùn)練，得到語義模型。
4.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述C中，以期刊、博士論文、碩士論文、會議全量文獻庫作為召回池文獻；將用戶近半年下載、瀏覽、收藏、關(guān)注的文獻濾重后作為用戶的行為文獻；針對所述每篇文獻，融合其標(biāo)題、摘要、關(guān)鍵詞作為文本數(shù)據(jù)，經(jīng)過分詞、停用詞過濾和降噪預(yù)處理操作后，輸入預(yù)訓(xùn)練好的Doc2vec模型，推斷出召回池文獻Embedding和用戶行為文獻Embedding。
5.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述D中，確定Faiss索引類型，將召回池文獻Embedding添加至Faiss，建立特征向量索引庫。
6.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述E中，制定用戶Embedding計算規(guī)則，包括對行為文獻加權(quán)行為價值、時間衰減系數(shù)，對每個用戶的行為文獻Embedding按照所述計算規(guī)則進行線性加權(quán)，作為用戶Embedding。
7.如權(quán)利要求6所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，對四種行為文獻進行聚合、濾重后，按用戶操作時間進行倒排構(gòu)成用戶行為文獻列表，為每篇行為文獻計算時間衰減權(quán)重，根據(jù)用戶興趣偏好變化設(shè)計一個時間衰減函數(shù)：λ(T)＝α|T-t|，其中α表示時間衰減系數(shù)，取值區(qū)間0＜α＜1，T表示當(dāng)前時間，t表示用戶行為時間，λ表示時間衰減權(quán)重；針對不同的用戶，設(shè)定不同的行為價值權(quán)重，價值權(quán)重大小順序為：w下載＞w收藏＞w關(guān)注＞w瀏覽；
對用戶行為文獻列表中的所有文獻特征向量加權(quán)對應(yīng)的時間衰減權(quán)重和行為價值權(quán)重，加和求平均后作為用戶的特征向量，用戶u的embedding計算公式如下：
其中，n表示用戶行為文獻列表中的文獻向量個數(shù)，pi表示第i個文獻的特征向量，λi和wi分別表示第i個文獻對應(yīng)的時間權(quán)重和行為價值權(quán)重。
8.如權(quán)利要求1所述的結(jié)合Doc2vec和Faiss的個性化文獻推薦方法，其特征在于，所述F中，基于用戶特征向量，使用Faiss計算用戶向量和文獻向量之間的余弦相似度，根據(jù)相似度打分召回TopK個文獻構(gòu)成用戶個性化文獻推薦列表。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司，未經(jīng)同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211437258.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
