[发明专利]一种基于聚类算法和局部感知重构模型的作者推荐方法和系统

摘要

本发明提出了一种基于聚类算法和局部感知重构模型的作者推荐方法及其系统，通过作者相关信息的树形结构表达、节点的特征表达、层次节点的位置映射、局部感知重构模型的建立，将由树形结构表示的作者信息转化为统一的向量表示，该向量包含了作者的相关信息及与作者相关的各层次的结构信息。进一步地，根据作者信息的统一向量表示，进行相关作者的推荐和检索。所述方法包括：A、树形结构表达；B、节点特征表达；C、层次节点位置映射；D、建立和求解局部感知重构模型；E、树形结构的统一向量表示；F、基于内容的作者推荐和检索。

主权项

1.一种基于聚类算法和局部感知重构模型的作者推荐方法，其特征在于：所述方法包括以下步骤：A、树形结构表达：对于每一位作者，将作者的背景信息、作者所著书的简介信息、每一本书的作者评论信息，按照内部逻辑结构信息组织成为“作者简介‑>书简介‑>读者评论”的三层作者树结构；B、节点特征表达：构建词汇表，计算词分布向量，进一步使用主成分分析(Principal Component Analysis，PCA)对各层次节点的词分布向量进行降维、压缩、以便于进一步的模型运算；C、层次节点位置映射：使用K‑means对属于同一层次的节点进行聚类，获取该层次各节点的相对关系信息，进行各层次节点的位置映射；D、建立和求解局部感知重构模型：使用孩子节点的信息对其父节点信息进行重构，即建立局部感知重构模型，求解局部感知重构模型并获得局部重构感知系数向量；E、树形结构的统一向量表示：根据C、D中获得的层次节点位置信息、局部感知重构系数向量，将节点的层次位置信息与局部感知重构信息进行融合，获取局部向量表示，更新该节点的特征向量表示；该过程自底向上逐层进行，直至将树形结构表示的作者数据压缩成为统一的向量表示；F、基于内容的作者推荐和检索：用作者信息的统一向量表示进行作者的检索，通过相似度的计算为用户进行相关内容的作者推荐。