[发明专利]一种基于word2vec标签相似性的三部图随机游走推荐方法

说明书

本发明公开了一种基于word2vec标签相似性的三部图随机游走推荐方法，包括：S1、基于ICF的算法‑cosRA计算物品与物品之间的相似度；S2、根据物品的相似度和用户的历史行为生成推荐列表；S3、根据目标用户和推荐列表，构建用户‑物品二部图，并基于在用户‑物品二部图中引入标签节点建立三部图模型；S4、构建word2vec模型，并将数忆词汇作为训练word2vec的语料库；S5、赋予三部图中物品标签之间边的权重；S6、从用户节点开始在三部图上进行随机游走，经过若干次随机游走后，每个物品节点被访问到的概率会收敛到一个数，所述访问概率即为最终的推荐列表中物品的权重。

技术领域

本发明属于互联网信息推荐的技术领域，具体涉及一种基于word2vec标签相似性的三部图随机游走推荐方法。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入的信息过载的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情；作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。

众所周知，为了解决信息过载的问题，已经有无数科学家和工程师提出了很多天才的解决方案，其中代表性的解决方案是分类目录和搜索引擎。搜索引擎可以让用户通过搜索关键词找到自己需要的信息。但是，搜索引擎需要用户主动提供准确的关键词来寻找信息。因此不能解决用户的很多需求，比如当用户无法找到准确描述自己需求的关键词时，搜索引擎就无能为力了。和搜索引擎一样，推荐系统也是一种帮助用户快速发现有用信息的工具。和搜索引擎不同的是，推荐系统内不需要用户提供明确的需求，二是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。因此，从某种意义上来说，推荐系统和搜索引擎对于用户来说是两个互补的工具。搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。

一个好的推荐系统离不开好的推荐算法，如协同过滤^[1-2]，质量扩散^[3]，热传导^[4]，图计算等。其中，基于图的模型是推荐系统中的重要内容。谷歌的Pagerank算法最早用于网页的排名，后被改进为用于推荐系统的PersonalRank^[5]算法，其算法在多样性方面有着良好的性能，但推荐准确性偏低。导致推荐给用户的物品与用户的实际需求差异过大，降低了用户的体验感。

参考文献

[1]B.Sarwar,G.Karypis,J.Konstan,J.Riedl,Item-based collaborativefiltering recommendation algorithms,in:Proceedings of the 10th InternationalConference on World Wide Web,WWW’01,ACM,New York,NY,USA,2001,pp.285–295.

[2]D.Goldberg,D.Nichols,B.M.Oki,D.Terry,Using collaborative filteringto weave an information tapestry,Commun.ACM 35(12)(1992)61–70.

[3]Y.-C.Zhang,M.Medo,J.Ren,T.Zhou,T.Li,F.Yang,Recommendation modelbased on opinion diffusion,Europhys.Lett.80(6)(2007)68003.