[发明专利]一种融合多源异构信息的个性化推荐方法及系统

权利要求书

1.一种融合多源异构信息的个性化推荐方法，其特征在于，所述个性化推荐方法包括：

采集用户行为记录信息，所述用户行为记录信息包括不限于系统中记录用户对项目的各种行为和所述各种行为发生时间、发生地点和存储至数据库；

对用户对项目的各种行为按照不同权重进行线性加权转换处理，获取用户对项目的隐式反馈；

根据用户对项目的隐式反馈进行交互矩阵构建处理，获取用户项目交互矩阵；

根据用户项目交互矩阵构建个性化推荐模型，并获取向用户推荐的对应项目。

2.根据权利1所述的个性化推荐方法，其特征在于，所述用户对项目的各种行为至少包括浏览、收藏、加入购物车、购买、评分、评论中的一种或多种的组合。

3.根据权利1所述的个性化推荐方法，其特征在于，所述用户对项目的隐式反馈为用户对项目的性趣值。

4.根据权利1所述的个性化推荐方法，其特征在于，所述根据用户对项目的隐式反馈进行交互矩阵构建处理，包括：

根据用户对项目的隐式反馈获取用户对项目的性趣值；

根据用户、项目、性趣值三个元素构建交互矩阵，获取用户项目交互矩阵。

5.根据权利1所述的个性化推荐方法，其特征在于，所述根据用户项目交互矩阵构建个性化推荐模型，包括：

构建初始个性化推荐模型；

确定初始个性化推荐模型的目标函数；

构建协同降噪自编码模型；

采用协同降噪自编码模型对初始个性化推荐模型进行训练，获取个性化推荐模型。

6.根据权利5所述的个性化推荐方法，其特征在于，所述构建协同降噪自编码模型包括：输入层、隐藏层和输出层；其中，

输入层由损坏的用户评分向量与用户辅助信息向量组成；

隐藏层有K个节点，与输入层节点全连接；

输出层M个节点，与隐藏层节点全连接。

7.根据权利6所述的个性化推荐方法，其特征在于，所述用户辅助信息向量的构建，包括：

获取用户特征信息和对应项目的特征信息并进行向量化处理，获取用户特征信息对应的第一向量化信息和对应项目的特征信息对应的第二向量化信息；

根据所述第一向量化信息和所述第二向量化信息进行构建用户辅助信息向量处理，获取用户辅助信息向量。

8.根据权利7所述的个性化推荐方法，其特征在于，所述用户特征信息至少包括用户的性别、年龄、职业、注册时间、居住地、活跃度、忠诚度中的一种或多种组合；所述对应项目的特征信息至少包括项目的类型。

9.根据权利1所述的个性化推荐方法，其特征在于，还包括：

在获取向用户推荐的对应项目后，构建显示排序，将向用户推荐的对应项目按显示排序结果进行反馈。

10.一种融合多源异构信息的个性化推荐系统，其特征在于，所述个性化推荐系统包括：

信息采集模块：用于采集用户行为记录信息，所述用户行为记录信息包括不限于系统中记录用户对项目的各种行为和所述各种行为发生时间、发生地点和存储至数据库；

加权转换模块：用于对用户对项目的各种行为按照不同权重进行线性加权转换处理，获取用户对项目的隐式反馈；

矩阵构建模块：用于根据用户对项目的隐式反馈进行交互矩阵构建处理，获取用户项目交互矩阵；

推荐模块：用于根据用户项目交互矩阵构建个性化推荐模型，并获取向用户推荐的对应项目；

显示模块：用于在获取向用户推荐的对应项目后，构建显示排序，将向用户推荐的对应项目按显示排序结果进行反馈。