一種多源信息融合的商品推薦方法及系統技術方案

本發明專利技術屬于推薦系統領域，提供了一種多源信息融合的商品推薦方法及系統，包括獲取用戶

【技術實現步驟摘要】
一種多源信息融合的商品推薦方法及系統


[0001]本專利技術屬于推薦系統
，具體涉及一種多源信息融合的商品推薦方法及系統。

技術介紹

[0002]本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
[0003]在最近的幾年中，推薦系統的應用越來越廣泛，同時也得到了更多用戶的青睞，吸引了很多研究者的投入其中，所以關于推薦系統的學術論文和各種關于推薦系統技術的書籍都迅速增長，各種各樣的推薦模型層出不窮，而大多數的模型原理都是基于協同過濾的基本方法，這也使得基于協同過濾的模型成為目前為止十分成功的技術方案。協同過濾算法利用用戶和項目之間的交互信息進行推薦，方法簡單有效，但是卻面臨數據稀疏性和冷啟動問題。對于這兩個問題融合用戶或項目的輔助信息是一種有效的解決途徑。輔助信息包括評論文本、社會化網絡、屬性等，其中的評論信息更是包含了用戶和項目豐富的語義信息。所以如何有效的對評論輔助信息加以利用，提高推薦系統的性能，是一個十分重要的問題。
[0004]近年來，大多評論推薦模型只使用了用戶和項目的評論信息做為推薦，這并不能充分去提取用戶和物品的潛在信息。

技術實現思路

[0005]為了解決上述問題，本專利技術提出了一種多源信息融合的商品推薦方法及系統，本專利技術使用GNN和CNN分別去處理交互信息和評論信息后進行特征融合并預測評分。通過圖網絡去聚合用戶項目圖，做為評論信息的補充，可以更加充分地去表達用戶和物品潛在的特征信息。
[0006]根據一些實施例，本專利技術的第一方案提供了一種多源信息融合的商品推薦方法，采用如下技術方案：
[0007]一種多源信息融合的商品推薦方法，包括：
[0008]獲取用戶
?
項目圖以及用戶評論信息進行用戶建模，確定用戶潛在因子；
[0009]獲取用戶
?
項目圖以及項目評論信息進行項目建模，確定項目潛在因子；
[0010]將用戶潛在因子和項目潛在因子進行拼接，得到用戶
?
項目潛在因子；
[0011]基于用戶
?
項目潛在因子進行評分預測，得到商品評分預測結果，利用商品評分預測結果對用戶進行商品推薦。
[0012]進一步地，所述獲取用戶
?
項目圖以及用戶評論信息進行用戶建模，確定用戶潛在因子，包括：
[0013]基于用戶評論信息進行文本信息編碼，得到用戶評論特征；
[0014]獲取用戶
?
項目圖對項目進行聚合，學習項目空間的用戶潛在因子；
[0015]將用戶評論特征和項目空間的潛在因子進行特征串聯，確定用戶的潛在因子。
[0016]進一步地，所述基于用戶評論信息進行文本信息編碼，得到用戶評論特征，包括：
[0017]利用詞嵌入函數將用戶評論信息轉換為嵌入矩陣；
[0018]基于卷積層對嵌入矩陣進行卷積操作產生嵌入矩陣特征；
[0019]所述嵌入矩陣特征經過最大池化層以及融合連接層，得到用戶評論特征。
[0020]進一步地，所述獲取用戶
?
項目圖對項目進行聚合，學習項目空間的用戶潛在因子，包括：
[0021]基于用戶
?
項目圖中交互項目嵌入和用戶嵌入，利用注意力網絡確定用戶和項目的注意權重；
[0022]結合用戶和項目的注意權重，通過考慮用戶界面與之互動過的項目來學習項目空間的用戶潛在因子。
[0023]進一步地，所述獲取用戶
?
項目圖以及項目評論信息進行項目建模，確定項目的潛在因子，包括：
[0024]基于項目評論信息進行文本信息編碼，得到項目評論特征；
[0025]從與每個項目交互過的用戶集合中聚合信息；
[0026]根據交互用戶嵌入和項目嵌入，利用注意力網絡確定區分用戶的重要性權重；
[0027]結合用戶的重要權重，聚合信息與項目評論特征進行特征串聯，得到項目的潛在因子。
[0028]進一步地，所述將用戶潛在因子和項目潛在因子進行拼接，得到用戶
?
項目潛在因子，具體為：
[0029][0030]其中，項目潛在因子z
j
，用戶潛在因子h
i
。
[0031]進一步地，所述基于用戶
?
項目潛在因子進行評分預測，將用戶
?
項目潛在因子通過MLP得到商品評分預測結果，利用商品評分預測結果對用戶進行商品推薦，具體為：
[0032]g2＝(W2*1+2)
[0033][0034]其中，l為隱藏層索引，r
i
′
j
是用戶u
i
對u
j
的預測評分；
[0035]將排名靠前的預測評分的物品推薦給用戶。
[0036]根據一些實施例，本專利技術的第二方案提供了一種多源信息融合的商品推薦系統，采用如下技術方案：
[0037]一種多源信息融合的商品推薦系統，包括：
[0038]用戶潛在因子確定模塊，被配置為獲取用戶
?
項目圖以及用戶評論信息進行用戶建模，確定用戶的潛在因子；
[0039]項目潛在因子確定模塊，被配置為獲取用戶
?
項目圖以及項目評論信息進行項目建模，確定項目的潛在因子；
[0040]數據串連模塊，被配置為將用戶的潛在因子和項目的潛在因子進行拼接，得到用戶
?
項目潛在因子；
[0041]商品推薦模塊，被配置為基于用戶
?
項目潛在因子進行評分預測，得到商品評分預測結果，利用商品評分預測結果對用戶進行商品推薦。
[0042]根據一些實施例，本專利技術的第三方案提供了一種計算機可讀存儲介質。
[0043]一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述第一個方面所述的一種多源信息融合的商品推薦方法中的步驟。
[0044]根據一些實施例，本專利技術的第四方案提供了一種計算機設備。
[0045]一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述第一個方面所述的一種多源信息融合的商品推薦方法中的步驟。
[0046]與現有技術相比，本專利技術的有益效果為：
[0047]1)與現今基于評論信息推薦模型，加入了物品和用戶之間的交互數據進行補充，減低評論預測的誤差。
[0048](2)本方法創新性地將利用GNN處理用戶項目的交互信息和CNN處理評論信息結合起來進行推薦，為后面做多源數據融合推薦提供一種思路。
[0049](3)該模型框架具有可擴展性和高度靈活性，可根據具體業務場景設計出適合自己的融合模型。
附圖說明
[0050]構成本專利技術的一部分的說明書附圖用來提供對本專利技術的進一步理解，本專利技術的示意性實施例及其說明用于本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種多源信息融合的商品推薦方法，其特征在于，包括：獲取用戶
?
項目圖以及用戶評論信息進行用戶建模，確定用戶潛在因子；獲取用戶
?
項目圖以及項目評論信息進行項目建模，確定項目潛在因子；將用戶潛在因子和項目潛在因子進行拼接，得到用戶
?
項目潛在因子；基于用戶
?
項目潛在因子進行評分預測，得到商品評分預測結果，利用商品評分預測結果對用戶進行商品推薦。2.如權利要求1所述的一種多源信息融合的商品推薦方法，其特征在于，所述獲取用戶
?
項目圖以及用戶評論信息進行用戶建模，確定用戶潛在因子，包括：基于用戶評論信息進行文本信息編碼，得到用戶評論特征；獲取用戶
?
項目圖對項目進行聚合，學習項目空間的用戶潛在因子；將用戶評論特征和項目空間的潛在因子進行特征串聯，確定用戶的潛在因子。3.如權利要求2所述的一種多源信息融合的商品推薦方法，其特征在于，所述基于用戶評論信息進行文本信息編碼，得到用戶評論特征，包括：利用詞嵌入函數將用戶評論信息轉換為嵌入矩陣；基于卷積層對嵌入矩陣進行卷積操作產生嵌入矩陣特征；所述嵌入矩陣特征經過最大池化層以及融合連接層，得到用戶評論特征。4.如權利要求2所述的一種多源信息融合的商品推薦方法，其特征在于，所述獲取用戶
?
項目圖對項目進行聚合，學習項目空間的用戶潛在因子，包括：基于用戶
?
項目圖中交互項目嵌入和用戶嵌入，利用注意力網絡確定用戶和項目的注意權重；結合用戶和項目的注意權重，通過考慮用戶界面與之互動過的項目來學習項目空間的用戶潛在因子。5.如權利要求1所述的一種多源信息融合的商品推薦方法，其特征在于，所述獲取用戶
?
項目圖以及項目評論信息進行項目建模，確定項目的潛在因子，包括：基于項目評論信息進行文本信息編碼，得到項目評論特征；從與每個項目交互過的用戶集合中聚合信息；根據交互用戶嵌入和項目嵌入，利用注意力網絡確定區分用戶的重要性權重；結合用戶的重要權重，聚合信息與項目評論特征進行特征串聯，得...

【專利技術屬性】
技術研發人員：殷建，吳國慶，劉曉偉，常宇鵬，李炳廷，
申請(專利權)人：山東大學，
類型：發明
國別省市：