[发明专利]一种基于用户评论的推荐算法

权利要求书

1.一种基于用户评论的推荐算法，其特征在于，包括以下步骤：

S1：将用户ID，目标商品ID，用户评论集合，目标商品评论集合，用户购买过的商品ID集合，和购买过目标商品的用户ID集合编码为固定维度的向量；

S2：根据注意力机制计算目标商品评论对用户的重要性，并结合用户购买历史记录与购买过目标商品的顾客的评论，用神经网络提取用户和目标商品的特征向量；

S3：用S2步骤后生成的用户特征向量和商品特征向量通过向量的外积乘转化特征矩阵，用卷积神经网络CNN在特征矩阵张提取用户商品的交互特征，并编码为用户商品的交互向量；

S4：将用户商品的交互向量输入到FM预测机，预测用户对目标商品的评分。并对其他商品进行上述操作，根据评分进行排序，给用户推荐评分高的前N个商品。

2.根据权利要求1所所述的基于用户评论的推荐算法，其特征在于，所述步骤S1的具体过程是：

S11：将用户对购买过的商品评论作为该用户的评论集，对其评论过的商品ID也作为用户的历史购买记录，其他用户对目标商品的评论作为目标商品的评论集，其他用户ID作为购买目标商品的用户集合；

S12：用神经网络将用户和商品评论文本，用户商品ID等编码为评论向量集合和用户商品ID向量，用户购买过的商品ID也编码成商品ID向量集合，购买过目标商品的用户ID也编码成用户向量集合。

3.根据权利要求2所所述的基于用户评论的推荐算法，其特征在于，所述步骤S2的具体过程是：

S21：根据注意力机制，计算目标商品的评论对用户的影响因子，将编码后的用户ID和商品评论向量进行向量点乘，然后再进行softmax归一化操作，评论向量按照影响因子权值大小相加，获得商品评论特征向量。对目标商品也是类似操作；

S22：将用户ID和目标商品ID用神经网络编码成用户特征向量和商品特征向量；

S23：计算用户ID向量与购买过目标商品的用户ID的之间相似度并且根据其他用户对目标商品的评分进行计算，用softmax进行归一化操作，最后按照权值大小将购买过目标商品的用户ID向量相加，最后生成商品的历史特征向量。对用户也进行类似操作，生成用户历史特征向量；

S24：将用户ID向量，用户历史特征向量，用户的评论特征向量拼接到一起作为用户的特征向量，对于目标商品也进行类似操作。

4.根据权利要求3所所述的基于用户评论的推荐算法，其特征在于，所述步骤S3的具体过程是：

S31：对于S24获得的N维用户特征向量和N维商品特征向量通过向量的外积乘变成N*N的特征矩阵；

S32：用卷积神经网络CNN卷积N*N的特征矩阵，最后获得商品用户的交互向量。

5.根据权利要求4所所述的基于用户评论的推荐算法，其特征在于，所述步骤S4的具体过程是：

S41：将用户商品交互向量输入到FM预测机，预测用户对目标商品的评分；

S42：对其他商品也进行上述操作，最后根据预测评分对所有商品进行排序，给用户推荐评分高的前N个商品。