[发明专利]基于受限玻尔兹曼机驱动的交互式个性化搜索方法

说明书

本发明公开了一种基于受限玻尔兹曼机驱动的交互式个性化搜索方法，包括：1、获取用户u的历史评价数据，包括用户u已评价的所有项目、对每个项目的评分和评价文本，并将评价文本进行向量化；2、将评分大于预设评分阈值的项目组成优势项目集合D_u，并构建样本集；3、构建基于RBM的用户偏好特征提取模型；4、构建用户偏好概率模型；5、生成N个新项目并设置类别标签；6、在搜索空间中选取与N个新项目类别标签向量相似度最高的N个项目，构成待推荐项目集合S^u；7、计算S^u中每个项目的适应值；8、选择S^u中适应值最大的前TOP_N个项目作为搜索结果。该方法能够有效引导用户进行个性化搜索的方向，尽快帮助用户搜索到用户满意解，从而提高个性化搜索算法的综合性能。

技术领域

本发明属于数据挖掘技术领域，具体涉及一种交互式个性化搜索方法。

背景技术

随着大数据、云计算等技术的迅猛发展，信息呈现爆炸式增长，各类互联网应用中聚集了大量用户生成内容，给用户带来新信息的同时，也增加了用户筛选有效信息并最终做出决策的难度。个性化搜索作为连接用户与信息的桥梁，能够引导用户进行快速搜索，尽可能帮助用户从海量信息中快速筛选出与用户兴趣相符的内容，有效缓解信息过载。

用户生成内容中包含来自诸多用户提供的信息，包括用户行为数据、用户信息、项目信息等，这些多源异构数据从不同角度反映了用户的兴趣偏好，充分利用这些信息，可有效提高个性化搜索的质量。由于用户生成内容具有的数据稀疏性、不完整性、动态性等复杂特性，因此，处理融合多源异构用户生成内容数据的个性化搜索问题得难度更大。交互式进化计算有效利用用户对优化问题的主观评价和决策，将人类智能评价信息与传统进化优化算法相结合，是解决融合多源异构数据个性化搜索问题的有效途径。

申请号为201410202346.X的中国专利公开了一种用于心理学图书个性化快速搜索的交互式进化优化方法，指导用户快速寻找满意图书，该方法利用用户的搜索记录和群体共性搜索信息来建立用户偏好模型，没有充分挖掘用户历史数据中隐含的偏好特征。申请号为201910151051.7的中国专利公开了一种个性化商品推荐方法，该方法根据对用户的分类来进行商品推荐，只能体现出不同类用户之间的个性差别，而无法体现具体用户的个性化。申请号为201910431441.X的中国专利公开了一种基于交互数据聚类的个性化推荐方法及系统，其中的个性化推荐方法通过对用户聚类，得到相似用户的兴趣点，从而对用户进行个性化推荐，同样体现的是同类用户的偏好。

发明内容

发明目的：针对现有技术中存在的问题，本发明公开了一种基于受限玻尔兹曼机驱动的交互式个性化搜索方法，该方法能够引导当前用户进行个性化搜索。

技术方案：本发明采用如下技术方案：

基于受限玻尔兹曼机驱动的交互式个性化搜索方法，包括：

(1)获取用户u的历史评价数据，所述历史评价数据包括用户u已评价的所有项目、对每个项目的评分和评价文本，并将评价文本进行向量化；

(2)将评分大于预设评分阈值的项目组成优势项目集合D_u，构成样本集其中x_i∈D_u，为项目x_i的类别标签向量，长度为类别总数n₁；为用户u对项目x_i的评价文本向量化表示，长度为n₂；i＝1,2,…,|D_u|，|D_u|表示D_u中的项目数目；

(3)构建基于RBM的用户偏好特征提取模型，所述用户偏好特征提取模型用于根据优势项目集合D_u提取用户的偏好特征；

(4)构建用户偏好概率模型，所述用户偏好概率模型用于表示用户对每个类别项目的偏好概率；