[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有效
申请号: | 201510270676.7 | 申请日: | 2015-05-26 |
公开(公告)号: | CN104915388B | 公开(公告)日: | 2018-03-16 |
发明(设计)人: | 张寅;魏宝刚;尹彦飞 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 杭州求是专利事务所有限公司33200 | 代理人: | 邱启旺 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 谱聚类 技术 图书 标签 推荐 方法 | ||
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,…,qn},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,…,bm},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Iij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:
其中k为聚类的个数,Ai表示第i个聚类结果,|Ai|表示第i个聚类结果中的检索词数量,表示除去Ai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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510270676.7/1.html,转载请声明来源钻瓜专利网。