[发明专利]文化资源推荐系统

说明书

本发明涉及计算机技术领域，具体提供了一种文化资源推荐系统，旨在解决如何解决在高维稀疏用户行为的情况下无法实现文化资源的有效推荐的技术问题。为此目的，本发明中文化资源推荐系统的行为数据采集模块可以采集预设文化资源平台中不同类型的用户行为数据；行为数据处理模块可以获取用户行为特征；行为权重评估模块可以获取用户行为权重值；文化资源聚类模块可以获取预设文化资源平台中的文化资源类别；行为特征计算模块可以依据上述数据对用户行为进行深度学习；文化资源推荐模块可以采用最近邻协同过滤算法，并依据深度学习结果，确定推荐文化资源。通过本发明可以在高维稀疏用户行为的情况下实现文化资源的有效推荐。

技术领域

本发明涉及计算机技术领域，具体涉及一种文化资源推荐系统。

背景技术

随着互联网规模的不断扩大，公共文化资源的种类和数量也不断快速增长，公众可以通过网站和手机app等渠道获取影视、音乐、图文、图片等形式的公共文化资源，有时候用户需要花费大量的时间才能找到自己感兴趣的文化资源，浏览大量无关信息的过程会造成信息过载，使用户不断流失。

针对上述信息过载造成的用户无法快速找到自己感兴趣的文化资源的技术问题，面向公共文化资源领域的个性化推荐系统应运而生。文化资源推荐系统结合了数据分析、机器学习、人机交互等技术，根据用户浏览网络文化资源时的各种行为，自动向用户推荐其可能感兴趣的公共文化资源。目前最常用的推荐方法包括基于协同过滤算法的推荐方法和基于内容的推荐方法。

基于内容的推荐方法具有资源内容难以分析的问题；基于协同过滤算法的推荐方法能够有效解决资源内容难以分析的问题，效果好、实用性强，但是该方法是以用户行为数据分析为基础，当用户行为数据稀疏度过高时，推荐效果不佳。而公共文化资源领域因为数字资源数据量大、类型繁多，用户群体大，用户行为呈现高维稀疏性，现有的协同过滤方法推荐效果不佳。

发明内容

为了解决现有技术中的上述问题，即为了解决无法在高维稀疏用户行为的情况下实现文化资源的有效推荐的技术问题，本发明提供了一种文化资源推荐系统。

本发明中的文化资源推荐系统，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，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。

优选地，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。

优选地，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量化在预设的实数数值区间内，以得到用户行为特征。