[发明专利]一种基于异构信息的评分推荐方法

说明书

本发明提供了一种基于异构信息的评分推荐方法，其包括以下步骤：S1、获取物品的用户ID、物品ID、评分信息、评论信息和物品描述信息；S2、将评分信息、评论信息和物品描述信息分别转化成评分向量、评论向量和物品描述向量；S3、将评分向量、评论向量和物品描述向量代入损失函数中，并通过梯度下降的方法进行求解；S4、根据S3中的计算得到最终的变量，通过公式得到用户对于物品的推荐度。通过本发明提供的一种基于异构信息的评分推荐方法，解决了文字信息的短文本问题，能够更加有效地整合不同空间表达下的不同信息，让评分信息、物品信息、评论信息得到更好的融合，最后做出更加精准的推荐。

技术领域

本发明涉及数据挖掘领域，涉及一种基于异构信息的评分推荐方法。

背景技术

随着信息技术的飞速发展，大数据的各种技术应运而生，然而信息过载的问题依然日趋严重。评分推荐系统作为解决信息过载的重要工具，它通过分析用户与物品之间的行为信息，用户与物品各自的描述信息等，把更加精准的物品推荐给用户，使信息价值最大化。

在评分推荐系统中，面临的挑战主要是数据的稀疏性。除了评分信息外，评论等文字信息成为了最好的补充。然而在把评分，评论信息融入到评分预测推荐系统的研究中，大部分是利用文字描述，利用主题模型通过分析物品相似性做出协同过滤，对推荐系统做一个额外的信息补充。然而，这样的方法在文字信息大部分是短文本的事实下，会受到一定的影响。而且，文字信息的非精确性也让传统方法受到一定挑战。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于异构信息的评分推荐方法，解决文字信息的短文本问题，能够更加有效地整合不同空间表达下的不同信息，让评分信息、物品信息、评论信息得到更好的融合，最后做出更加精准的推荐。

为实现上述目的，本发明采用以下技术方案：

一种基于异构信息的评分推荐方法，包括以下步骤：

S1、获取物品的用户ID、物品ID、评分信息、评论信息和物品描述信息；

S2、将评分信息、评论信息和物品描述信息分别转化成评分向量、评论向量和物品描述向量；

S3、将评分向量、评论向量和物品描述向量代入以下损失函数中，并通过梯度下降的方法进行求解；其中，评论向量和物品描述向量为常量，评分向量为变量；

其中，u表示用户特征向量，v表示物品特征向量，r表示评分向量，w_r表示评分向量所处超平面的单位法向量；c表示评论向量，w_c表示评论向量所处超平面的单位法向量；d表示物品描述向量，w_d表示物品描述向量所处超平面的单位法向量，r_p，r_q分别指评分为p和q的评分向量，α_r，α_c，α_d分别代表r_p和r_q、r、c、d所占损失函数的权重，R_r，R_c，R_d分别表示已经存在的评分关系集合、评论关系集合、物品描述关系集合，e是超参数，C(x)取sigmoid函数；

进一步地，损失函数中的函数F为：

其中，dis(x)表示向量x的欧几里得距离，λ_c和λ_d是权重参数，分别代表在函数F中评论信息和物品描述信息所占的比重；

S4、根据S3中的计算得到最终的变量u，v，w_r，w_c，w_d，通过以下公式得到用户u对于物品v的推荐度p：

进一步地，还包括以下步骤：