[发明专利]基于混合协同过滤的第三方库推荐方法

权利要求书

1.一种基于混合协同过滤的第三方库推荐方法，其特征在于，包括以下步骤：

1)从应用和第三方库服务器中获取已发布的应用和第三方库数据；所述应用和第三方库数据包括应用和第三方库的文本描述信息、应用对第三方库的调用信息以及应用和第三方库自身的结构化语义信息；

2)将步骤1)中应用和第三方库的文本描述信息通过自然语言处理方法进行预处理并向量化，得到应用和第三方库的基于内容的特征训练数据集；

3)将步骤2)中应用和第三方库的基于内容的特征训练数据集作为语料库，使用无监督学习方法训练得到应用和第三方库的主题模型；

4)将步骤1)中应用对第三方库的调用信息按每个应用对每个第三方库调用关系构建应用对第三方库的调用交互矩阵；

5)从步骤1)所得的应用和第三方库自身的结构化语义信息中抽取出实体及实体间的关系，保存到图数据库中形成知识图谱；

6)利用知识图谱表示学习方法将步骤5)所得的知识图谱映射到一个低维空间得到每个实体和关系的向量化表示；

7)获取待推荐的应用的文本描述信息和其自身的结构化信息；

8)将步骤7)得到的待推荐应用的文本描述信息输入到步骤3)得到的主题模型，通过文本描述信息的相似度比较，得到待推荐应用基于内容的近邻列表；

9)根据待推荐应用基于内容的近邻列表对于待推荐第三方库的调用交互信息，利用协同过滤方法按相似度进行加权求和取均值，得到待推荐应用对于待推荐第三方库基于内容和协同过滤的评分列表；

10)将步骤7)得到的待推荐应用的结构化信息和待推荐第三方库列表输入到知识图谱中，通过实体识别方法找到与其匹配的实体，即可得到对应的通过知识图谱表示学习方法生成的实体向量列表；

11)计算待推荐应用的实体向量化表示和待推荐第三方库的实体向量化表示之间的相似度，作为待推荐应用对于待推荐第三方库基于知识图谱的评分列表；

12)将步骤9)得到的待推荐应用对于待推荐第三方库基于内容和协同过滤的评分列表和步骤11)得到的待推荐应用对于待推荐第三方库基于知识图谱的评分列表进行融合，得到待推荐应用对于待推荐第三方库的基于混合推荐的评分列表；

13)将待推荐应用对于所有待推荐第三方库的评分按降序排列，获得待推荐应用基于混合推荐的Top-N第三方库推荐列表。

2.根据权利要求1所述的基于混合协同过滤的第三方库推荐方法，其特征在于，所述步骤2)中通过自然语言处理方法进行预处理包括分词、去除停用词、标点符号和低频词汇以及词干化。

3.根据权利要求1所述的基于混合协同过滤的第三方库推荐方法，其特征在于，所述步骤2)中向量化采用包括TF-IDF、Doc2Bow、LDA在内的文本向量化方法。

4.根据权利要求1所述的基于混合协同过滤的第三方库推荐方法，其特征在于，所述步骤4)中构建应用对第三方库的调用交互矩阵，具体如下：

将步骤1)得到的应用对第三方库的调用信息按应用ID进行分类，生成每个应用的偏好向量，具体的偏好关系定义为：对于应用a和第三方库l，如果a调用了l，则y_al＝1，否则y_al＝1，M个应用对于N个第三方库的偏好向量构成了应用对第三方库的调用关系交互矩阵

5.根据权利要求1所述的基于混合协同过滤的第三方库推荐方法，其特征在于，所述步骤8)中，获得待推荐应用基于内容的近邻列表，具体如下：

8.1)将待推荐应用的文本描述信息经过自然语言方法预处理后，使用文本向量化方法转换为向量；

8.2)将获得的向量输入到步骤3)得到的主题模型中，通过相似度比较，取前k个相似度最高的应用，作为待推荐应用基于内容的邻居列表N(a)＝{a₁,a₂,…,a_k}，其中，相似度sim(a,a_i)采用以下方法计算：余弦相似度法、欧氏距离法或皮尔逊相关系数法。