[发明专利]一种具有q分离k稀疏的用户与物品拼接的推荐方法

权利要求书

1.一种具有q分离k稀疏的用户与物品拼接的推荐方法，其特征在于，该方法包括：

对用户i和物品j分别进行独热编码；利用无监督算法，将用户i分成q类，构建和q类用户对应相等的q层用户k稀疏连接网络NN_i，层间进行k稀疏连接，将用户i的独热编码输入至q层用户k稀疏连接网络NN_i，获得用户隐含特征向量U_i；利用无监督算法，将物品j分成q类，构建q类物品的q层物品k稀疏连接网络NN_j，将物品j的独热编码输入至q层物品k稀疏连接网络NN_j，获得物品的隐含特征向量V_j；将各个层的用户隐含特征向量U_i与物品的隐含特征向量V_j拼接后作为深度神经网络的输入，上半部分节点对应物品，下半部分节点对应用户，将其输入至深度神经网络，获得输入用户对输入物品的评分等级；对应评分等级高的物品作为推荐结果，并将其推荐给相应的用户；其中，所述深度神经网络为NN_i和NN_j的组合网络。

2.根据权利要求1所述的具有q分离k稀疏的用户与物品拼接的推荐方法，其特征在于，该方法具体包括：

步骤1)对用户i进行独热编码，获得EnCode(i)，对物品j进行独热编码，获得EnCode(j)；

步骤2)利用包括K-Means聚类在内的无监督算法将用户i分成q类，其中2q8；

步骤3)利用包括分层聚类算法在内的无监督算法，将物品j分成q类，其中2q8；

步骤4)分别将q类用户作为输入层用户，构建并训练q类用户的q层用户k稀疏连接网络NN_i，其中，q层用户k稀疏连接网络NN_i中的每层神经元的个数对应于步骤2)的q类用户的每一类用户的用户数；同时分别将q类物品作为输入层物品，构建并训练q类物品的q层物品k稀疏连接网络NN_j；其中，NN_j的每层神经元的个数对应于所有物品分别在步骤3)q个分类上的每一类物品的物品数；

步骤5)将步骤1)得到的用户i的独热编码EnCode(i)输入至步骤4)中训练后的q类用户的q层用户k稀疏连接网络NN_i，获得用户隐含特征向量U_i；将步骤1)得到的物品j的独热编码EnCode(j)输入至步骤4)中训练后的q类物品的q层物品k稀疏连接网络NN_j，获得物品的隐含特征向量V_j；

步骤6)将步骤5)得到的各个层的用户隐含特征向量U_i和物品的隐含特征向量V_j拼接，并将其输入至深度神经网络，获得输入用户对输入物品的评分等级，对应评分高的物品作为推荐结果，并将其推荐给相应的用户。

3.根据权利要求2所述的具有q分离k稀疏的用户与物品拼接的推荐方法，其特征在于，所述方法还包括：

步骤7)当有新用户加入至q层用户网络中每一层用户数时，分别计算新用户与q层用户网络中每一层用户的相似度，将相似度最高的用户层对应的物品推荐结果推荐给新用户。

4.根据权利要求2所述的具有q分离k稀疏的用户与物品拼接的推荐方法，其特征在于，所述步骤1)中，将每个用户i进行独热编码，将每个用户i转化为一个与之唯一对应的独热向量EnCode(i)；其中，EnCode(i)的长度为用户i的个数；

将每个物品j进行独热编码，将每个物品j转化为一个与之唯一对应的独热向量EnCode(j)；其中，EnCode(j)的长度为物品的个数。

5.根据权利要求2所述的具有q分离k稀疏的用户与物品拼接的推荐方法，其特征在于，所述步骤2)中，所述无监督算法为K-Means聚类、分层聚类或基于密度的聚类算法。