[发明专利]融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法

权利要求书

1.融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，其特征在于，包括以下步骤：

1)利用用户在论坛中的浏览记录，构建用户对帖子的目标评分矩阵、用户互动评分矩阵和用户互动频次矩阵；

2)引入矩阵U_a和U_b，利用用户互动频次矩阵作为约束项，分解用户互动评分矩阵，得到用户目标函数，将U_a和U_b相加，作为用户行为特征矩阵；

3)统计用户的各种互动行为次数，与对应的用户ID构建用户嵌入矩阵，拼接用户行为特征矩阵和用户嵌入矩阵，得到用户矩阵U；

4)整合用户的历史帖，引入物品矩阵V，通过降噪自编码器提取帖子的主题，得到物品目标函数，利用用户矩阵U和物品矩阵V分解目标评分矩阵，得到评分矩阵目标函数；

5)优化评分矩阵目标函数、用户目标函数和物品目标函数，为用户提供推荐列表。

2.根据权利要求1所述的融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，其特征在于，在步骤1)中，目标评分矩阵为二维矩阵，矩阵的横向为用户ID，矩阵的列项为帖子ID，矩阵的数值标识用户对帖子的兴趣与否，将用户对帖子的评分设为1，表示用户浏览过对应的帖子，且默认用户可能对帖子的主题感兴趣，将用户对帖子的评分设为0，表示用户未浏览过对应的帖子，且默认用户可能对该帖子的主题不感兴趣；用户互动评分矩阵和用户互动频次矩阵均为二维矩阵，分别标识用户之间是否有过互动以及互动的总次数，所述互动包括用户之间的回复、评论、点赞和浏览行为，若用户之间发生互动，则用户互动评分矩阵对应的值为1，否则为0，用户互动频次矩阵所对应的值为用户发生互动行为的次数。

3.根据权利要求1所述的融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，其特征在于，在步骤2)中，得到用户目标函数和用户特征矩阵，包括如下步骤：

2.1)引入矩阵U_a和U_b，假设U_a和U_b的每一行服从如下高斯分布：

式中，i表示矩阵的每一行，为超参数λ_a的倒数，为超参数λ_b的倒数；

2.2)记用户互动评分矩阵为Q，用户互动频次矩阵为C，假设Q中的每个值服从如下式的高斯分布：

式中，Q_ij为用户互动评分矩阵第i行，第j列的项值，为矩阵U_a第i行的向量，和为矩阵U_b第j列的向量，C^-1为用户互动频次矩阵C的逆矩阵，是上式高斯分布的方差；

2.3)根据基于概率的矩阵分解方法，得到推导公式：

式中，P(|)表示后验概率，∝表示正比关系；

代入Q,U_a,U_b的高斯分布，推导得到用户目标函数；

2.4)将U_a和U_b相加，得到用户行为特征矩阵。

4.根据权利要求1所述的融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，其特征在于，在步骤3)中，统计用户的各种互动行为次数包括统计用户的被点赞次数、被浏览量、被回复数、回复数、发帖数和被关注数，与对应的用户ID构建用户嵌入矩阵，拼接用户行为特征矩阵和用户嵌入矩阵，得到用户矩阵U，包括如下步骤：

3.1)将各种互动行为次数离散化，得到6个离散化特征；

3.2)将6个离散化特征与用户ID作为模型嵌入层的输入，获得7个嵌入向量；

3.3)将7个嵌入向量拼接后作为用户的嵌入层向量，所有用户的嵌入层向量构成用户嵌入矩阵U_c；

3.4)拼接用户行为特征矩阵和用户嵌入矩阵U_c，按照下式构建用户矩阵U：

式中，符号[；]表示拼接操作，U_a+U_b为用户行为特征矩阵，为超参数λ_u的倒数，为高斯分布的方差。