[发明专利]一种基于个性化召回的推荐系统优化方法

说明书

本发明公开了一种基于个性化召回的推荐系统优化方法，涉及推荐系统技术领域。采用的是针对推荐系统两阶段模式过程中召回阶段进行优化和改进，结合一种优化迭代的思想获取到不同用户在召回阶段多路召回策略下拥有不同的召回数量，以致于更加体现出不同用户的不同兴趣点。其中，为了更好的获取到用户在多路召回策略下拥有不同的召回数量以及用户感兴趣召回物品，通过对召回策略召回的物品与用户感兴趣的物品进行不断迭代计算用户偏好的召回策略权重，获取到针对不同用户的兴趣点分配不同的召回策略权重，从而达到不同用户在召回阶段多路召回策略下拥有不同的召回数量，实现召回阶段个性化。

技术领域

本发明涉及推荐系统技术领域，具体涉及一种基于个性化召回的推荐系统优化方法。

背景技术

随着互联网技术的不断发展，数据时代的到来，数据信息越积越累，“信息过载”的现象就会导致人们在大量的信息中寻找自己可能感兴趣的信息变得非常艰难。然而，推荐系统的出现就是为了解决这种“信息过载”的问题，它会主动帮助用户在大量的信息中发现他们感兴趣的信息，也会主动的将信息推送给对它们感兴趣的用户。

不论是在工业界还是在科研界，推荐系统的发展已越来越成熟。目前，工业界中绝大多数的推荐系统都是分为两阶段模式：召回阶段和排序阶段。在召回阶段，大多数都是采用多路召回策略，每一路召回topK的数量对每个用户都是相同的。一般来说，不同的用户对每一路召回策略感兴趣程度是不一样的，因此这会导致每个用户召回得到的物品完全相同，不能突出其个性化，尤其是在时效性特别强的新闻推荐领域更突显。

如图1所示，以往两阶段推荐系统召回阶段中每个用户在每一路召回都是召回固定数量的物品，导致每个用户在召回阶段召回的物品完全相同，从而很难体现出不同用户的兴趣偏好，影响推荐系统的准确性及用户感知。

本发明提出了一种基于个性化召回的推荐系统优化方法，能够更加精确的获取用户兴趣偏好，从而提高整个推荐系统的个性化以及准确性。

发明内容

本发明所要解决的技术问题就是提供一种基于不断迭代的方式对推荐系统多路召回策略实现个性化的处理方法，通过一种优化迭代的思想，获取每个用户对不同召回策略的权重占比，然后按照每个用户的权重占比获取不同召回策略召回数，计算每个用户召回阶段的召回物品，接着进入排序阶段进行重排序预测。

本发明为解决上述技术问题采用以下技术方案

一种基于个性化召回的推荐系统优化方法，具体包括如下步骤：

步骤A：设定召回阶段召回物品的数量N，其中N0，即推荐系统召回阶段候选集数量；

步骤B：设定召回阶段召回策略的数量n，其中n0，即推荐系统召回阶段有多少路召回策略；

步骤C：设定相似度阈值δ，即物品与物品之间的相似度超过此阈值，表示物品较相似；

步骤D：设定召回阶段每个用户对每路召回的数量为K₁,K₂,...,K_n，初始化值为K_i＝N/n，i＝1,2...n；

步骤E：根据用户特征信息以及物品特征信息，通过词向量模型计算出每个物品的embedding向量，然后根据余弦相似度计算出所有物品与物品之间的相似度，形成物品相似度矩阵，其中，余弦相似度公式如下：

步骤F：根据召回阶段召回策略以及其召回数量K_i,i＝1,2,...,n，计算召回阶段每路召回策略召回的topK_i,i＝1,2,...,n物品；