[发明专利]融合标签和注意力机制的跨领域推荐方法及其实现系统

说明书

本发明公开了一种融合标签和注意力机制的跨领域推荐方法及其实现系统，该推荐方法包括，首先，选择和构建跨领域融合的标签，将源领域和目标领域的标签向量分别进行加权求和，得到资源向量；其次，依据基于注意力机制的兴趣挖掘算法，得到用户在源领域和目标领域的偏好；然后，依据基于BP神经网络的跨领域标签映射算法学习源领域与目标领域间的标签映射，得到用户在目标领域的综合偏好；最后，通过融合标签映射和注意力机制的跨领域推荐算法，将目标领域中与用户的综合偏好相似度高的项目推荐给用户。通过跨领域推荐综合考虑用户在不同领域的偏好，改善了用户在目标领域推荐中的冷启动问题；同时在跨领域推荐系统中，通过分析用户在不同领域的偏好，使得推荐结果更具多样化。

技术领域

本发明涉及信息推荐方法和系统技术领域，具体涉及一种融合标签和注意力机制的跨领域推荐方法及其实现系统。

背景技术

随着互联网技术的快速发展，QQ、微信、微博等各类社交应用软件的数量快速地增长，多种多样的信息呈现在人们面前，极大地丰富了人们的日常生活。但是，这个过程中出现了一些不可避免的问题，例如信息泛滥和信息迷航。为了帮助每个用户更好地获取资源，个性化的推荐技术应运而生。当前，相关研究人员将个性化推荐技术应用于各个领域的资源推荐，除了电影、音乐、体育之外，还包括了电子商务、基于位置的服务、医疗等领域。未来个性化推荐技术的应用范畴会越来越广。

大多数传统推荐算法都重点关注用户对项目的显性偏好，即数字评分。随着电子商务系统的不断扩大，用户的评分数据变得十分稀疏，仅仅通过分析用户的评分数据不足以充分了解用户的需求。而用户的隐性偏好，诸如用户的浏览记录、点击记录、标签信息，蕴含着丰富的信息，能显著改善推荐结果。

目前，大多数推荐技术都为单领域的推荐技术，即仅仅利用用户在单一领域的兴趣对用户进行推荐，而多领域相结合的推荐技术较少。在单领域推荐中，往往存在着数据稀疏、用户冷启动以及商品冷启动等问题，使得推荐系统的性能下降，推荐准确度降低。

发明内容

有鉴于此，有必要提供一种通过分析用户在不同领域的偏好、使得推荐结构更具有多样化特点的融合标签和注意力机制的跨领域推荐方法及其实现系统。

一种融合标签和注意力机制的跨领域推荐方法，包括以下步骤：

步骤一，选择和构建跨领域融合的标签，将两个相近领域融合为一个新领域，作为跨领域推荐的源领域，对源领域和目标领域的标签向量分别进行加权求和，得到每个资源的资源向量；

步骤二，依据基于注意力机制的兴趣挖掘算法，通过长短期记忆算法LSTM学习用户和资源之间的时序关系，并引入注意力机制，得到用户在源领域和目标领域的指定时间段内的偏好；

步骤三，依据基于BP神经网络的跨领域标签映射算法，通过三层BP神经网络来学习源领域与目标领域间的标签映射，将用户源领域的偏好向量映射到目标领域后，并与用户在目标领域的偏好向量加权求和，得到用户在目标领域的综合偏好；

步骤四，融合标签映射和注意力机制的跨领域推荐算法，根据用户在源领域和目标领域中的综合偏好，计算在目标领域中，用户未浏览过的资源向量与用户的综合偏好的相似度，将前N项推荐给用户。

进一步地，步骤一中的所述选择和构建跨领域融合的标签流程包括：

步骤1-1，源领域和目标领域的数据预处理；

采集两个相近的领域A和领域B、及目标领域C中的普遍使用的标签作为定制标签DT，检索与所述定制标签相关的资源，得到与所述资源对应的资源标签RT，去除重复的标签后，得到RT-DT矩阵，矩阵的每一列为定制标签DT向量，每一行为资源标签RT向量，对剩余的定制标签向量进行统一度量；

步骤1-2，跨领域融合标签的选择与构建；