【技术实现步骤摘要】
一种基于用户图谱的推荐方法
本专利技术属于推荐系统
,尤其涉及一种基于用户图谱的推荐方法。
技术介绍
随着科学技术的不断进步,互联网也不断进行了发展,到如今已经不断渗透到人们的日常生活中,为人们提供了海量的信息。然而面对着互联网上的海量信息资源,人们往往也很难从海量的信息中提取到符合自身需求的信息,从而使得信息的使用率下降了,产生了所谓的“信息过载”问题。为了解决该类问题,同时又避免了搜索引擎那种基于关键字推荐出“千篇一律”的内容,推荐系统应运而生。推荐系统的基本原理是对用户的历史行为数据,例如浏览、购买、评论、打分等数据进行保存,并挖掘出相应的用户偏好信息,对这些信息进行分析构建相应的用户兴趣模型。针对不同的用户,通过这些模型分析其潜在可能感兴趣的内容,并主动推荐给用户,为用户提供个性化服务。然而在推荐系统中存在一个主要的问题,即当一个新用户进入系统时,系统中并不存在这个用户的历史行为数据,也就无法进行一个很可靠的分析,并为用户提供一个有效的定制化推荐,这个问题便是推荐系统中的冷启动问题。现有的解决推荐系统冷启动问题主要有两种解决方式:基于随机推荐或者基于用户标签的最热推荐,其中随机推荐是最简单的一种方式,即在新用户登录时随机将系统中的物品推荐给用户,这样的推荐存在的问题很大,推荐结果完全不可信,极大概率推荐的物品和用户自身所需物品区分度很大;第二种基于标签的最热推荐主要是在新用户进入之前提取出能代表物品的一定特征的标签(例如在电影中有犯罪、剧情、悬疑、科幻等等标签),在新用户登录的时候将这些标签所对 ...
【技术保护点】
1.一种基于用户图谱的推荐方法,其特征在于,包括以下步骤:/nS1、根据推荐系统用户的注册信息,提取所有用户的特征,视不同的用户特征重要性赋予不同的权重,并根据用户特征构建用户-特征知识图谱;/nS2、当新用户注册完成进入推荐系统时,提取新用户的特征,并将新用户的特征加入所述用户-特征知识图谱中,更新用户-特征知识图谱,同时在用户-特征知识图谱中利用找环的方式找到与新用户在同一环上的相关用户,并计算得到相关用户与新用户相连边的权重之和,根据所述权重之和的大小对相关用户进行排序,形成相关领域用户列表;/nS3、根据推荐系统中相关用户的历史信息,获取相关用户对物品的评分信息,构建用户-评分矩阵,利用矩阵分解方法将所述用户-评分矩阵分解为用户特征矩阵以及物品特征矩阵,并对所述用户特征矩阵以及物品特征矩阵进行训练,生成评分预测模型;/nS4、根据所述相关领域用户列表中的某个用户,利用所述评分预测模型预测所述某个用户对所有物品的评分,获取评分最高的k个物品,将评分最高的k个物品加入至推荐列表,并判断新用户的相关邻域用户列表是否都推荐完成,若是,则生成最终的推荐列表,完成基于用户图谱的推荐,否则, ...
【技术特征摘要】
1.一种基于用户图谱的推荐方法,其特征在于,包括以下步骤:
S1、根据推荐系统用户的注册信息,提取所有用户的特征,视不同的用户特征重要性赋予不同的权重,并根据用户特征构建用户-特征知识图谱;
S2、当新用户注册完成进入推荐系统时,提取新用户的特征,并将新用户的特征加入所述用户-特征知识图谱中,更新用户-特征知识图谱,同时在用户-特征知识图谱中利用找环的方式找到与新用户在同一环上的相关用户,并计算得到相关用户与新用户相连边的权重之和,根据所述权重之和的大小对相关用户进行排序,形成相关领域用户列表;
S3、根据推荐系统中相关用户的历史信息,获取相关用户对物品的评分信息,构建用户-评分矩阵,利用矩阵分解方法将所述用户-评分矩阵分解为用户特征矩阵以及物品特征矩阵,并对所述用户特征矩阵以及物品特征矩阵进行训练,生成评分预测模型;
S4、根据所述相关领域用户列表中的某个用户,利用所述评分预测模型预测所述某个用户对所有物品的评分,获取评分最高的k个物品,将评分最高的k个物品加入至推荐列表,并判断新用户的相关邻域用户列表是否都推荐完成,若是,则生成最终的推荐列表,完成基于用户图谱的推荐,否则,返回步骤S2。
2.根据权利要求1所述的基于用户图谱的推荐方法,其特征在于,所述步骤S2包括以下步骤:
S201、当新用户注册完成进入推荐系统时,提取新用户的特征;
S202、将新用户的特征加入所述用户-特征知识图谱中,更新用户-特征知识图谱;
S203、根据新用户特征更新知识图谱,利用找环的方式统计新用户经过定长路径并能返回的环cj;
S204、根据每个所述环cj上的用户节点ni,视所述用户节点ni与新用户特征之间的连线为边;
S205、根据所述边的权值之和,计算得到用户节点ni的权重nsum;
S206、根据所述用户节点ni的权重nsum计算得到相关用户与新用户相连边的权重之和;
S207、根据所述权重之和的大小对相关用户进行排序,形成相关领域用户列表。
3.根据权利要求2所述的基于用户图谱的推荐方法,其特征在于,所述步骤S206中权重之和nsumi的表达式如下:
其中,ni表示用户节点,c表示从新用户点出发经过定长路径能返回新用户的环的所有路径集合,cj表示c中某条路径,ejm表示路径cj中某条边的权值,distinct(·)表示在所有路径中某条边的权值只统计一次。
4.根据权利要求1所述的基于用户图谱的推荐方法,其特征在于,所述步骤S3包括以下步骤:
S301、根据推荐系统中相关用户的历史信息,获取相关用户对物品的评分信息,构建用户-评分矩阵;
S302、将所述用户-评分矩阵分解降维为用户特征矩阵与物品特征矩阵之积R;
S303、根据所述用户特征矩阵与物品特征矩阵之积R,计算...
【专利技术属性】
技术研发人员:邓天,潘晔,利强,杨健,邵怀宗,林静然,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。