[发明专利]一种多模态推荐方法及装置

说明书

本发明涉及自动推荐系统领域，尤其涉及一种多模态推荐方法，包括：基于用户的属性信息，构建多模态用户空间；基于物品的属性信息，构建多模态物品空间；基于所述多模态用户空间和所述多模态物品空间，获得用户与物品之间的评分张量；对所述评分张量进行非负正交张量奇异值分解，获得所述评分张量的近似张量；基于所述近似张量中的评分结果，为用户推荐相适应的物品，进而采用非负限定，保证最终获得的推荐评分结果都是非负值，提高了推荐效果。

技术领域

本发明涉及自动推荐系统领域，尤其涉及一种多模态推荐方法及装置。

背景技术

如今互联网的出现带来了大量的数据信息，满足用户在信息时代的需求，但是，随着网络的迅速发展带来的网上信息量大幅度增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，从而造成信息超载的问题。

为了解决信息超载的问题，采用推荐系统能够快速为用户推荐适合用户的信息，该推荐系统通过分析用户的兴趣偏好，进行分析计算，基于用户的兴趣点，引导用户发现自己的信息需求，因此，现有的推荐系统不仅能够为用户提供个性化的服务，还能和用户之间建立密切关系。

目前常采用张量分解算法来确定数据对象之间的关联关系，在推荐系统中常被采用，具体的张量分解的算法有SVD(奇异值分解)算法和HOSVD(高阶奇异值分解)算法，但是，目前基于张量分解的推荐算法常忽略评分系统的非负特性，即获得的评分结果中存在负数，这些负数是无意义的数值，常常被舍弃，这样对推荐的效果造成影响。

因此，如何避免评分结果中出现无意义的数值，从而获得更多有意义的数值来提高推荐效果是目前亟待解决的技术问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的多模态推荐方法及装置。

第一方面，本发明提供了一种多模态推荐方法，包括：

基于用户的属性信息，构建多模态用户空间；

基于物品的属性信息，构建多模态物品空间；

基于所述多模态用户空间和所述多模态物品空间，获得用户与物品之间的评分张量；

对所述评分张量进行非负正交张量奇异值分解，获得所述评分张量的近似张量；

基于所述近似张量中的评分结果，为用户推荐相适应的物品。

进一步地，所述基于所述多模态用户空间和所述多模态物品空间，获得用户与物品之间的评分张量，具体包括：

基于所述多模态用户空间所述多模态物品空间获得用户与物品之间的评分张量

其中，I₁，I₂，…，I_M分别为用户的属性信息，J₁，J₂，…，J_N分别为物品的属性信息。

进一步地，所述用户的属性信息具体包括用户的身体状况、心情状况、性别、年龄、喜好中的至少一种；所述物品的属性信息具体包括物品的产地、尺寸、类型、用途中的至少一种。

进一步地，所述对所述评分张量进行非负正交张量奇异值分解，获得所述评分张量的近似张量，具体包括：

将评分张量同态映射得到低阶的矩阵

将所述矩阵TM进行非负矩阵分解，具体为：所述矩阵TM＝UM×∑M×VM，其中，UM0，VM0，UM为分解后的第一正交矩阵、VM为分解后的第二正交矩阵，∑M为分解后的非负对角矩阵；

对第一正交矩阵UM、第二正交矩阵VM、非负对角矩阵∑M分别进行截取，获得对应的第一低维矩阵UM’、第二低维矩阵VM’以及截断对角矩阵∑M’；