[发明专利]一种基于用户评论的推荐算法在审
申请号: | 201910746922.X | 申请日: | 2019-08-08 |
公开(公告)号: | CN110648163A | 公开(公告)日: | 2020-01-03 |
发明(设计)人: | 印鉴;林志平;刘威 | 申请(专利权)人: | 中山大学 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q30/06;G06N3/04 |
代理公司: | 44102 广州粤高专利商标代理有限公司 | 代理人: | 林丽明 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 评论 推荐系统 用户商品 用户推荐 向量 排序 自然语言处理技术 卷积神经网络 矩阵 注意力机制 交互特征 评分记录 评论文本 潜在顾客 算法计算 用户评论 过去的 向量化 预测机 预测 算法 购买 喜好 捕捉 浏览 顾客 记录 学习 | ||
本发明提供一种基于用户评论的推荐算法,该方法基于深度学习的评论推荐系统,根据用户过去的浏览购买和评论记录和商品的评分记录及购买过该商品的顾客的评论,推测用户对该商品的喜好程度,最后推荐系统对评分进行排序,给用户推荐评分高的前N种商品。本发明利用自然语言处理技术对评论文本信息的进行向量化,并根据注意力机制算法计算每条评论的重要性和每条评论对潜在顾客的影响,采用卷积神经网络捕捉用户商品的交互特征矩阵,因此生成用户商品的交互向量,最后将生成交互向量输入到FM预测机预测评分,预测评分越高用户可能越喜欢该商品,最后根据评分进行排序给用户推荐评分前N个商品。
技术领域
本发明涉及推荐算法技术领域,更具体地,涉及一种基于用户评论的推荐算法。
背景技术
推荐服务在人们的日常生活中无处不在,它能帮助用户发现潜在的有趣的产品或有用的服务。推荐系统首先收集用户的历史行为数据,然后生成用户商品评分矩阵,再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。好的推荐系统不仅能帮助用户找到喜欢的东西,还能提高购物网站的销售额和成交转化率,提高客户对网站的忠诚度,。在过去的几年里,传统推荐系统关注的是用户与项目的交互行为,如评分、购买或点击记录等。例如矩阵分解推荐系统将用户和商品的评分建立成矩阵,将矩阵分解为用户特征矩阵和商品特征矩阵最后计算用户和商品的相似度,相似度越高,预测的评分就越高。但这样推荐系统存在冷启动或者稀疏性问题。传统推荐系统面对冷启动问题时,只能通过用户商品的购物记录数据集,但这存在局限性。例如某个用户是购物的新用户或者商品时刚上架到购物网站时,传统推荐系统因为缺少新用户的购买记录因此无法给用户推荐适合的商品。例如购物网站商品的数量远多于用户,传统用户商品矩阵变为稀疏矩阵,这样推荐效果会差很多。为了缓解数据稀疏和冷启动问题的影响,可以在推荐系统加上其他额外信息。例如购物网站或者视频网站允许用户评论,而评论信息比单独的评分更能反映顾客对该产品的喜好程度以及影响其他用户的购买消费意愿。由于每个评论通常包含大量的语义信息,因此基于评论的推荐系统可以通过少量的评论获得足够的用户或项的特征。因此在推荐系统增加评论信息能提高推荐的准确性。
发明内容
本发明提供一种准确性较高的基于用户评论的推荐算法。
为了达到上述技术效果,本发明的技术方案如下:
一种基于用户评论的推荐算法,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。
进一步地,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。
进一步地,所述步骤S2的具体过程是:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910746922.X/2.html,转载请声明来源钻瓜专利网。
- 上一篇:分享APP绑定关系解决方案
- 下一篇:一种节点边际电价区间的确定方法和装置