[发明专利]文化资源推荐系统

权利要求书

1.一种文化资源推荐系统，其特征在于，所述文化资源推荐系统包括行为数据采集模块、行为数据处理模块、行为权重评估模块、文化资源聚类模块、行为特征计算模块和文化资源推荐模块；

所述行为数据采集模块，配置为采集预设文化资源平台中不同类型的用户行为数据；

所述行为数据处理模块，配置为对所述行为数据采集模块所采集的用户行为数据进行特征分析，得到所述各类型用户行为数据的用户行为特征；

所述行为权重评估模块，配置为对所述行为数据处理模块分析得到的各用户行为特征进行权重评估，得到所述各用户行为特征对应的用户行为权重值；

所述文化资源聚类模块，配置为对所述预设文化资源平台中的文化资源进行聚类分析，得到文化资源类别；

所述行为特征计算模块，配置为采用深度学习算法，依据所述文化资源类别、用户行为特征及其用户行为权重值，对预设行为特征计算模型进行训练，行为特征计算模型进而依据所述训练后的行为特征计算模型获取用户特征向量集和资源类别向量集；

所述文化资源推荐模块，配置为采用最近邻协同过滤算法，并依据所述行为特征计算模块的计算结果，确定推荐文化资源；

其中，所述行为特征计算模块依据神经网络模型构建，所述神经网络模型依次包括输入层、定义层、加权层、投影层以及输出层，其中，所述定义层用于预先定义用户和对应的资源类别维度的随机向量，获得参数向量、用户特征向量和资源类别向量；所述加权层用于按照预设加权方法对所述资源类别向量进行加权，其中，所述预设加权方法为所述用户特征向量保持不变，将所述资源类别向量进行加权，将所述资源类别向量、所述用户行为权重值和所述用户行为特征的乘积作为加权后的资源类别向量；所述投影层用于将所述用户特征向量和所述加权后的资源类别向量相加；

其中，所述行为权重评估模块包括权重计算单元；所述权重计算单元，配置为使用TF-IDF算法，计算出各用户行为数据对应的用户行为权重值；

其中，所述文化资源聚类模块包括数据抽取单元和数据聚类单元；

所述数据抽取单元，配置为抽取预设文化资源平台中的文化资源元数据；

所述数据聚类单元，配置为使用预设的聚类算法，对所述数据抽取单元抽取的文化资源元数据进行分析计算，获得文化资源类别。

2.根据权利要求1所述的系统，其特征在于，所述行为数据采集模块包括采集单元，配置为从预设文化资源平台的用户访问日志中获取用户行为数据。

3.根据权利要求1所述的系统，其特征在于，所述行为数据处理模块包括行为数据排序单元和行为数据标准化单元；

所述行为数据排序单元，配置为对各用户行为数据按照时间顺序进行升序排列；

所述行为数据标准化单元，配置为将排序后的各用户行为数据量化在预设的实数数值区间内，以得到用户行为特征。

4.根据权利要求1所述的系统，其特征在于，所述行为特征计算模块包括用户资源类矩阵构建单元；

所述用户资源类矩阵构建单元，配置依据所述文化资源聚类模块获取的文化资源类别，匹配用户行为特征对应的文化资源类别，并依据所述用户行为特征和所匹配出的文化资源类别构建用户资源类矩阵；

所述预设行为特征计算模型的输入数据为所述用户资源类矩阵构建单元所构建的用户资源类矩阵和所述行为权重评估模块获取的用户行为权重值；所述预设行为特征计算模型的输出数据为所述用户特征向量集和资源类别向量集。

5.根据权利要求1所述的系统，其特征在于，所述文化资源推荐模块包括用户相似度计算单元和协同过滤单元；

所述用户相似度计算单元，配置为采用预设相似度算法计算不同用户之间的相似度；

所述协同过滤单元，配置为执行下述操作：

采用最近邻协同过滤算法，并依据所述用户相似度计算单元所计算的不同用户之间的相似度，并根据相似用户所访问过的资源，计算不同文化资源的推荐分值；

按照所述推荐分值由高到低的顺序对各文化资源进行排序，并选取第1～N个文化资源作为推荐文化资源，N≥1。