[发明专利]光谱协同滤波推荐系统及其建立方法

权利要求书

1.一种光谱协同滤波推荐系统的建立方法，其特征在于，主要包括以下步骤：

S1：获取用户和项目的数据集合；

S2：对所述数据集合进行预处理，得到用户和项目的二部图；

S3：对所述二部图进行部分属性加权，再通过图傅里叶变换得到新二部图；

S4：将光谱卷积滤波器放置在所述新二部图上，以得到新图形信号；

S5：采用多项式逼近的方法来改进所述光谱卷积滤波器，得到最终光谱卷积运算；

S6：采用近似卷积运算，建立由多层所述最终光谱卷积运算叠加而成的推荐系统。

2.根据权利要求1所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S2具体为：

S21：基于所述数据集合构造以用户和项目为顶点的二部图；

S22：根据所述二部图中的目标顶点对应数据集合中的每个顶点的元路径，计算元路径的路径特征和随机游走特征；

S23：根据所述路径特征和随机游走特征构建隐式反馈矩阵；

S24：对所述隐式反馈矩阵进行处理，以得到二部图的邻接矩阵；

S25：基于所述邻接矩阵，计算关于二部图的拉普拉斯矩阵。

3.根据权利要求1所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S3具体为：

S31：采用部分属性加权的方法处理所述二部图；

S32：对所述二部图进行图傅里叶变换及其逆变换，得到已转换到光谱域中的图形信号，生成新二部图。

4.根据权利要求3所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S32具体为：

S321：根据处理所述二部图得到的顶点集和边集的特征，得到所述二部图中所有顶点的状态向量；

S322：计算所述二部图的拉普拉斯矩阵的特征值；

S323：采用图傅里叶变换及其逆变换的方法对所述二部图中所有顶点的状态向量进行处理，得到已转换到光谱域中的图形信号；

S324：采用矩阵形式简化所述已转换到光谱域中的图形信号；

S325：将所述二部图中用户的状态向量和项目顶点的状态向量带入步骤S324中，以得到两种图形信号并生成新二部图。

5.根据权利要求4所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S4具体为：

S41：基于在不同的频域中用户和项目之间的不同类型的连接信息，建立光谱卷积滤波器；

S42：利用光谱卷积滤波器将所述两种图形信号转换成两种新图形信号。

6.根据权利要求5所述的光谱协同滤波推荐系统的建立方法，其特征在于，所述光谱卷积滤波器通过动态地过滤光谱域中的频率分量，得到两种新图形信号。

7.根据权利要求5所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S5具体为：

S51：采用多项式逼近的方法证明全光谱卷积滤波器集合等于有限阶多项式集合，得到新光谱卷积滤波器；

S52：将所述两种新图形信号通过新光谱卷积滤波器推广到C个输入通道和F个光谱卷积滤波器中，以得到最终光谱卷积运算；

S53：将所述最终光谱卷积运算表示为函数。

8.根据权利要求1所述的光谱协同滤波推荐系统的建立方法，其特征在于，步骤S6具体为：

S61：将随机初始化的用户向量和项目向量作为输入，得到K层深度光谱协同滤波；

S62：基于传统BPR损耗，得到光谱协同滤波的损耗函数；

S63：采用RMSprop算法使所述损耗函数最小化，并将得到的训练集输入预设的光谱协同滤波器中进行训练，以得到用户的最终项目推荐；

S64：对所述最终项目推荐进行排序。

9.根据权利要求8所述的光谱协同滤波推荐系统的建立方法，其特征在于，所述RMSprop算法是通过将每个权重的更新值按梯度范数的运行平均值进行缩放。

10.一种光谱协同滤波推荐系统，其特征在于，主要包括：

数据获取模块：用于获取用户和项目的数据集合；

数据预处理模块：用于对所述数据集合进行预处理，以得到用户和项目的二部图；

协同滤波模块：用于对所述二部图进行部分属性加权，再通过图傅里叶变换得到新二部图；用于将光谱卷积滤波器放置在所述新二部图上，得到新图形信号；用于采用多项式逼近的方法来改进所述光谱卷积滤波器，以得到最终光谱卷积运算；

训练模块：用于采用近似卷积运算，建立由多层最终所述光谱卷积运算叠加而成的推荐系统；

推荐模块：用于将训练得到的推荐系统对待预测图形信号中的用户向量进行项目推荐排序。