[发明专利]基于异构信息网络和深度学习的NQI服务推荐方法及系统

说明书

本发明公开了一种基于异构信息网络和深度学习的NQI服务推荐方法及系统，方法包括：划分训练集和测试集，抽取负样本完善训练集，根据训练集构建NQI服务异构信息网络；遍历预设元路径和元结构的相关节点，根据元路径或元结构的交换矩阵计算相似度矩阵；构建NQI服务推荐模型，采用第一多层感知机神经网络对相似度矩阵进行潜在特征提取后，采用第二多层感知机神经网络对潜在特征的相关性进行学习，最后进行用户和NQI服务交互概率预测；将每个相似度矩阵输入构建好的NQI服务推荐模型训练得到最优模型；在测试集中选取用户和NQI服务，输入最优模型，根据预测结果将NQI服务推荐给用户。本发明具有较好的推荐效果。

技术领域

本发明涉及一种，尤其涉及一种基于异构信息网络和深度学习的NQI服务推荐方法及系统。

背景技术

NQI （National Quality Infrastructure，国家质量基础设施）综合服务信息系统通过整合优质的服务资源，为用户提供计量服务、标准服务、检验检测服务与认证认可服务等一站式的公共NQI服务。NQI综合服务信息系统海量的NQI服务信息为用户带来方便的同时，也带来了NQI服务发现和NQI服务选择难的问题。用户难以从大量的NQI服务中找到有用且适合自己需求的NQI服务，从而导致信息过载问题，严重降低了NQI服务资源利用率，影响了NQI 综合服务信息系统用户的体验感。

当前一些质量服务平台通常采用“请求—响应”被动式的服务模式来处理用户的NQI服务需求，其要求用户必须提供NQI服务需求查询词，依据该查询词在自己的数据库中进行信息匹配搜索，返回许多功能相似的NQI服务资源，然后再由用户自行选择适合自己需求的NQI服务，不同用户使用同样关键词进行NQI服务资源搜索，返回的是相同的NQI服务资源，因此搜索无法根据用户的个人特征为用户提供个性化的NQI服务资源。被动式的服务模式缺乏智能性与主动性，因此如何快速精准地处理NQI 综合服务信息系统海量的异构用户信息和NQI服务信息，提高NQI 综合服务信息系统对用户NQI服务需求的智能感知能力，主动为用户提供满足其个性化需求的NQI服务是目前NQI综合服务信息系统所需要解决的关键问题。

推荐系统（Recommendation Systems，RS）在现代在线服务中发挥着越来越重要的作用，由于其较高的准确性和有效性，在许多电子商务平台上被广泛采用。协同过滤是当前最流行的推荐方法之一，通常基于用户与项目的交互历史来预测用户的偏好。协同过滤推荐算法由两个重要部分组成：1）潜在特征学习，从用户与项目的交互历史来学习用户和项目的潜在特征向量表示；2）交互建模，使用潜在向量来预测用户和项目之间的交互。协同过滤方法一般只关注用户和服务的历史交互数据，不考虑辅助数据。然而，用户和服务的历史交互数据只反映了用户偏好和服务特征的一个方面，这可能限制了预测性能。在实际应用中，用户和服务通常还存在着大量的辅助信息，如用户的年龄、性别和服务的类型等，这些信息可以从不同的方面更全面地反映用户偏好和服务特征，忽略了用户和服务的辅助信息，不能完全描述用户的偏好和服务的特征，同时还会面临数据稀疏的问题。

专利CN 107577710 A提出了一种基于异构信息网络的推荐方法及装置，利用异构信息网络来整合辅助数据，并且使用元图来分析用户和项目相似性语义，以解决使用元路径分析用户和项目相似性语义覆盖不全面的问题。但是该方案直接用融合获得的用户-项目相似度矩阵进行推荐，由于用户-项目相似度矩阵稀疏且包含许多噪声信息，直接将用户-项目相似度矩阵用于推荐会导致推荐效果不佳。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于异构信息网络和深度学习的NQI服务推荐方法及系统，利用异构信息网络整合用户和NQI服务的历史交互数据和相关辅助数据，然后根据预设的元路径和元结构计算每一对用户相似性以及每一对NQI服务相似性得到用户-用户相似度矩阵和服务-服务相似度矩阵，再采用神经网络对于不同的用户-用户相似度矩阵和服务-服务相似度矩阵进行用户和NQI服务的特征信息提取以及对用户和NQI服务潜在特征的相关性进行学习，最后进行用户和NQI服务交互概率预测。本发明能够减少噪声信息的干扰，获得较好的推荐效果。