[发明专利]一种基于谱聚类和众包技术的图书标签推荐方法

权利要求书

1.一种基于谱聚类和众包技术的图书标签推荐方法，其特征在于，包括以下步骤：

(1)从日志收集系统或者Web日志中筛选出用户的检索数据和检索点击数据；

(2)利用用户的检索数据和检索点击数据，构建检索词-图书矩阵，根据检索词-图书矩阵得到检索词-检索词的Laplacian矩阵；具体为：从用户的检索数据中得到所有用户的检索词集合Q＝{q₁,q₂,…,q_n}，其中n为检索词的总数，q为独立检索词；从用户的检索点击数据中得到检索词点击的图书集合B＝{b₁,b₂,…,b_m}，其中m为点击图书的总数，b为独立的图书；根据所有用户的检索词集合Q和检索词点击的图书集合B得到检索词-图书矩阵M，对于检索词-图书矩阵M的每一项，定义如下：

其中I_ij为第i个检索词和第j本书的对应关系；针对每一本图书，如果有多个检索词均对这本书存在点击行为，那么这些检索词之间存在联系，根据检索词之间的联系构建检索词-检索词矩阵D，对于检索词-检索词矩阵D的每一项，如果两个检索词之间存在联系则为1，否则为0；通过把检索词-检索词矩阵D的每一列元素相加得到的值置于对角线上，其它位置设为0，从而构成新的矩阵W；Laplacian矩阵L通过公式L＝D-W求出；

(3)使用谱聚类对Laplacian矩阵进行聚类操作，得到检索词的聚类结果；

(4)利用众包技术对步骤3所得到的聚类结果进行持续的优化；

(5)将用户过去的检索记录与步骤4优化后的聚类结果进行映射，利用映射后的聚类结构作为标签推荐给用户。

2.根据权利要求1所述一种基于谱聚类和众包技术的图书标签推荐方法，其特征在于，所述步骤3具体为：对于谱聚类算法，选定的目标函数RatioCut为：

RatioCut(Ai,...,Ak)=12Σi=1kW(Ai,Ai‾)|Ai|=Σi=1kcut(Ai,Ai‾)|Ai|]]>

其中k为聚类的个数，A_i表示第i个聚类结果，|A_i|表示第i个聚类结果中的检索词数量，表示除去A_i之外的其它聚类结果集合，表示第i个聚类结果与其他聚类结果的权重之和，的计算公式为其中W(a,b)为聚类结果a与聚类结果b的权重；根据Laplacian矩阵L的性质推出最小化目标函数RatioCut等价于最小化Laplacian矩阵，从而使用SVD矩阵分解的方法实现对Laplacian矩阵的降维，使用K-mean聚类算法完成对降维后的Laplacian矩阵的聚类操作。

3.根据权利要求1所述一种基于谱聚类和众包技术的图书标签推荐方法，其特征在于，所述步骤4具体为：将步骤3得到的检索词的聚类结果中检索词对应的用户作为众包的选定用户，通过发送邮件的方式将聚类的结果发送给选定用户，选定用户的反馈定义为：

其中，Query表示一个检索词，正反馈表示用户认为该检索词符合所在聚类结果的主题，负反馈表示用户认为该检索词不符合聚类结果的主题，零反馈表示该检索词难以判断是否符合主题；根据选定用户对一个聚类结果的反馈信息，对该聚类结果进行以下三种不同方式的处理：

(a)选定用户的反馈信息表明该聚类可以很好的表明某一个主题，其具体体现在两个方面：一方面是负反馈结果少于正反馈结果，另一方面是用户的反馈信息不存在彼此矛盾的情况；在这种情况下，删除聚类结果中的负反馈，保留正反馈和零反馈的检索词；

(b)选定用户的反馈信息混乱，难以表明该聚类效果的优劣，其具体表现为多名用户对相同检索词的反馈信息不同甚至相反；该种情况下，意味着当前选定用户的反馈信息尚不足以对该聚类进行判断，因而需要引入新的用户，重新众包任务分发操作；

(c)选定用户的反馈信息表明该聚类不具有明确的主题，具体表现为在选定用户的反馈中超过50％的检索词的反馈信息不同或相反；在这种情况下，直接将该聚类结果删除。