[发明专利]一种面向用户动态偏好挖掘的节目嵌入方法

权利要求书

1.一种面向用户动态偏好挖掘的节目嵌入方法，其特征在于，包括以下步骤：

S1)、读入点击行为序列集S；

S2)、将点击节目表示为低维向量，并初始化输入特征向量和输出特征向量，特征向量的维度大小由用户指定；其中，每个节目包括一个输入特征向量和一个输出特征向量；

S3)、根据序列集S构建训练样本集；

S4)、然后使用训练样本集对节目特征向量进行优化；

S5)、输出优化后的节目输入和输出特征向量表示；

S6)、结合用户当前时刻的上下文节目的输入特征向量，刻画用户当前时刻的兴趣。

2.根据权利要求1所述的一种面向用户动态偏好挖掘的节目嵌入方法，其特征在于：步骤S3)中，构建训练样本集，具体包括以下步骤：

S301)、初始化正样本集合D⁺和负样本集合D^-；

S302)、对行为序列集S中的每个序列s_i，依次取出一个节目作为目标节目t_i；

S303)、根据目标节目t_i使用滑动窗口向前回溯w个节目作为上下文；

S304)、对于上下文中的每个节目t_j与目标节目t_i构建三元组(t_j,t_i,1)，并添加到正样本集合D⁺中；

S305)、重复步骤S302)-S304)，直至处理完行为序列集S中的每个系列；

S306)、从上述步骤生产的正样本集合D⁺中，依次取出一个三元组，记为(t_j,t_i,1)；

S307)、对于每个三元组(t_j,t_i,1)，从节目集T中随机采样N个节目，其中N为负样个数，由用户指定，抽取的每个节目t_r与t_j组成一个三元组(t_j,t_r,1)作为(t_j,t_i,1)对应的负样本，并将其添加到负样本集合D^-中；

S308)、重复步骤S306)、S307)，直至处理完正样本集合D⁺中的每个三元组；

S309)、合并正样本集合D⁺和负样本集合D^-，和并后得到的集合D即为训练样本集。

3.根据权利要求1所述的一种面向用户动态偏好挖掘的节目嵌入方法，其特征在于：步骤S4)中，对节目特征向量进行优化，具体为：首先利用将每个点击行为序列当成一个“句子”，然后遍历每一个“句子”构建训练样本集，并通过每一个训练样本调整节目向量，使得最大化条件概率P(目标节目|上下文节目)。