[发明专利]一种基于用户及项目耦合关系分析的推荐系统及方法

权利要求书

1.一种基于用户及项目耦合关系分析的推荐系统，其特征在于，包括：

数据采集和处理模块，用于从亚马逊下载评论数据集后清理脏数据，合并每个用户对应的所有项目的评论作为用户评论文本以及合并所有用户对项目的评论文本作为项目评论文本；

划分数据集模块，用于将处理好的数据集按8:1:1的比例划分为训练集、测试集和验证集；

耦合模型模块，用于卷积神经网络学习用户显式-隐式耦合和项目显式-隐式耦合；多层感知器学习用户特征与项目特征之间的耦合；

训练模型和项目推荐模块，用于将所述划分数据集模块得到的训练数据集和测试数据集分别用于训练和评估所述耦合模型模块构建的耦合模型，根据用户对项目的预测评分判断是否将项目推荐给用户；

卷积神经网络学习用户显式-隐式耦合和项目显式-隐式耦合的步骤包括：用户和项目的id通过神经网络全连接层转化为固定大小的向量，代表用户和项目的隐式特征；将每个用户对所有项目的评论文本合并作为用户评论文本，将所有用户对项目的评论文本合并作为项目评论文本，分别将所有用户评论文本和项目评论文本送入Doc2vec模型学习用户和项目的显式特征；通过耦合函数计算用户显式-隐式耦合和项目显式-隐式耦合矩阵，将耦合矩阵送入卷积神经网络学习用户和项目的隐式特征与显式特征之间的耦合关系，输出用户显式-隐式耦合和项目显式-隐式耦合向量；

构建耦合模型的具体步骤如下：

构建输入层：输入层包括四个输入内容，用户id和对应的用户评论文本，项目id和对应的项目评论文本；

构建用户显式-隐式耦合和项目显式-隐式耦合关系学习以及用户特征与项目特征耦合关系学习框架；

构建输出层：预测用户对项目的评分；

构建用户显式-隐式耦合和项目显式-隐式耦合关系学习以及用户特征与项目特征耦合关系学习框架的具体步骤如下：

构建向量映射层：将用户和项目id通过神经网络全连接层转化为指定维度embedding_dim的向量U_CF和V_CF，代表用户项目的隐式特征，使embedding_dim等于Doc2vec模型学习的用户和项目的显式特征的维度；

Doc2vec模型学习用户项目显式特征：将所有用户评论文本和项目评论文本分别送入Doc2vec模型学习用户和项目的显式特征；

将通过神经网络嵌入层得到的用户隐式向量U_CF和项目隐式向量V_CF与通过Doc2vec模型学习到的用户显式向量U_CB和项目显式向量V_CB通过耦合函数g得到用户显式-隐式耦合和项目显式-隐式耦合矩阵。