[发明专利]一种基于递归神经网络的推荐方法及系统

说明书

本发明提供一种基于递归神经网络的推荐方法和系统，其采用递归神经网络模型对用户行为建模并用于推荐系统，通过结合BP算法原理和本发明的神经网络结构，构建针对推荐系统的递归神经网络模型学习方法，根据推荐系统的特点对递归神经网络进行训练，建立独有神经网络结构，从而根据新的神经网络结构为不同用户生成与其兴趣爱好相对应的推荐列表。所述推荐方法和系统通过采用递归神经网络从用户历史行为中学习用户偏好，并据此为用户提供推荐服务。通过递归神经网络特有的递归结构，能够基于时间序列对不同类型的用户行为进行统一表示；且递归神经网络在时间上展开后形成一个深度神经网络结构，能够更精确的表示具有较大随机性的用户行为。

技术领域

本发明涉及系统推荐技术领域，具体涉及一种基于递归神经网络的推荐方法及系统。

背景技术

当前，网络服务商为用户提供了诸如新闻、商品、图片、视频、音频、文档等(以下统一简称为物品)的在线服务。为了更好的为用户提供服务，服务提供商会记录用户的历史行为，例如记录用户购买(使用)过哪些物品、对物品的评价、点击、转发、评论等。根据用户的历史行为，为用户提供准确的推荐，是推荐系统面临的重大挑战，其主要表现在：

第一，虽然用户历史行为对了解用户偏好，进而为用户推荐物品，提供了重要信息。但是多样的用户行为具有诸多不同的含义。例如，要根据评论的内容才能知道用户是否喜欢一个物品。此特点给有效利用多种用户行为带来了困难。

第二，就表达的用户偏好而言，用户行为表现出巨大的不确定性。例如，点击、转发等行为不能很明确的说明用户是否喜欢该物品。而用户给予较高评分的物品，多数情况下是用户比较喜欢的。

第三，用户行为发生的时间顺序反映了用户偏好的变化过程，也是推荐系统需要考虑的重要因素，需要加以合理利用。

因此，如何有效的利用记录的多种用户行为，为用户提供准确的推荐，是本领域人员急待解决的问题。

发明内容

有鉴于此，有必要提供一种能够有效的利用记录的多种用户行为从而为用户提供准确的推荐的推荐方法及系统。

一种基于递归神经网络的推荐方法，所述基于递归神经网络的推荐方法包括以下步骤：

S1、收集用户对物品的历史行为，并建立递归神经网络；

S2、按照行为发生时间对每一个用户记录的历史行为进行先后排序；并针对每一个用户生成相应的训练样本；

S3、根据训练样本对递归神经网络进行训练，确定递归神经网络中的权重矩阵；

S4、根据训练后的递归神经网络为每一个用户生成推荐列表。

一种基于递归神经网络的推荐系统，所述基于递归神经网络的推荐系统包括以下功能模块：

用户行为收集模块，用于收集用户对物品的历史行为，并建立递归神经网络；

训练样本生成模块，用于按照行为发生时间对每一个用户记录的历史行为进行先后排序；并针对每一个用户生成相应的训练样本；

权重矩阵确定模块，用于根据训练样本对递归神经网络进行训练，确定递归神经网络中的权重矩阵；

推荐列表生成模块，用于根据训练后的递归神经网络为每一个用户生成推荐列表。