[发明专利]基于威客-任务-标签三方图的威客任务推荐方法

说明书

本发明提供一种针对威客任务的推荐方法，采用威客‑任务‑标签三分图模型，将威客的历史信息与任务的标签相结合，使威客与任务之间可以更好的匹配，包括以下几个步骤：(1)根据威客和任务的历史交互数据初始化威客‑任务‑标签三方图；(2)在威客‑任务二分图上进行一次资源的扩散和转移，把任务上的资源分配到威客上，然后再重新分配回任务上；与此同时，在任务‑标签二分图上也进行一次资源的扩散和转移，把任务上的资源分配到标签上，然后再重新分配回任务上；(3)将威客‑任务二分图和任务‑标签二分图上重新分配到任务上的资源按一定权重进行整合，并根据整合后的资源分布，按照从大到小的顺序进行任务推荐。

技术领域

本发明涉及个性化推荐领域，尤其涉及一种针对威客网站的任务推荐方法。

背景技术

随着信息通讯技术和互联网技术的高速发展，我们逐渐进入了大数据时代。人们被信息爆炸所产生的海量数据所包围，导致信息过载的问题，反而降低了信息的使用效率。个性化的推荐系统就成为了信息超载问题的一个非常有潜力的解决办法，它通过分析用户的兴趣特征，物品的属性特征，用户历史行为记录等信息，挖掘用户潜在兴趣，预测用户的喜好，将用户更感兴趣的信息推荐给相应的用户，从而达到个性化推荐的效果。

从本世纪初，互联网开始加速发展，各种创新型应用和互联网新概念不断出现，如何利用互联网进行知识管理已引起互联网界和知识管理学界诸多学者的高度关注。威客模式就是在这个大背景下产生的，它是一种利用互联网进行知识管理的网络创新模式。威客主要指一群通过网络平台将自己的知识、技能、专长、经验等等传授给别人并且换取实际经济收益的人。威客模式的出现给我们的生活带来了极大的便利，不仅可以解决搜索引擎无法创造性的给出答案的问题，提高用户使用互联网的积极性，还可以提供一种灵活的就业方式，丰富互联网服务的类型。

然而威客模式也有其不完善的地方，雇主与威客之间互相并不了解，常常会出现信息不匹配的情况，从而出现雇主找不到合适的威客来帮他解决问题，威客找不到适合他的任务来完成的情况，而一个基于威客的推荐系统恰好可以解决这些问题。基于威客的推荐系统就是给雇主提供最适合完成他们任务的威客，给威客匹配最适合他们解决的任务，从而最大程度上的缩短雇主与威客之间的距离。

标签是用来标注信息的一种手段，Vig等人在MovieLens电影标签数据集上，通过分析用户的标注行为以及对电影和标签的评分行为，预测用户对于标签的喜好(详见VigJ,Sen S,Riedl J.Tagsplanations:explaining recommendations using tags[C]//International Conference on Intelligent User Interfaces.ACM,2009:47-56.)。基于标签的推荐算法很容易理解和实现，但不够系统化和理论化。而基于图的推荐算法弥补了这方面的不足，通过标签和图的结合，使推荐变得数学化、严谨化。Zhou等人将个性化推荐问题引入到二分网络中，其中用户作为二分图中的一类节点，物品作为二分图中的另一类节点，用户对于物品的评价或操作等行为作为节点之间的边。同一类节点之间可以通过另一类节点计算关联权值，计算方式采用基于二分网络的资源分配方式(详见Zhou T,Ren J,Medo M,Zhang Y-C(2007)Bipartite network projection and personalrecommendation.Phys Rev E 76:046115)。

发明内容

基于上述背景技术，本发明提供一种针对威客网站的任务推荐方法，采用威客-任务-标签三分图的模型，充分利用各种数据信息，将威客和任务的历史信息与任务的标签相结合，从而为威客进行全面的个性化推荐，使得威客与任务之间可以更好的匹配，包括以下几个步骤：

(1)根据威客和任务的历史交互数据初始化威客-任务-标签三方图；