[发明专利]一种基于异质信息网络的推荐方法及装置

权利要求书

1.一种基于异质信息网络的推荐方法，其特征在于，包括步骤：

S1获取用户数据、物品数据、用户对物品的行为数据、物品对用户的曝光数据；

S2据用户对物品的行为数据、物品对用户的曝光数据、用户数据构造异质信息网络；

S3通过预设算法对有历史行为的用户和没有历史行为的用户分别计算获取推荐候选物品集；

S4在推荐候选物品集的基础上使用分类学习算法来预测用户对物品的偏好程度，然后将用户对物品按照偏好程度从大到小依次排列，选出用户最有可能感兴趣的物品；

S5过滤重复推荐和状态异常的物品，当召回和排序结果不足时，使用全局热门物品、新上架物品进行补充，合并物品基础信息，将包含完整信息的物品推荐列表返回给服务请求端。

2.根据权利要求1所述的基于异质信息网络的推荐方法，其特征在于，步骤S2中：

所述异质信息网络中包含三类节点，第一类为用户特征节点，根据用户属性数据生成用户特征节点，其中对连续属性进行离散化，对离散属性采用one-hot编码方法进行处理；第二类为用户节点；第三类为物品节点；

所述异质信息网络中包含两类边，第一类边存在于第二类节点与第一类节点之间，表示用户具有的特征；第二类边存在于第二类节点和第三类节点之间，表示用户对物品的偏好。

3.根据权利要求2所述的基于异质信息网络的推荐方法，其特征在于，用户对物品的偏好权值为点击率CTR，即用户点击该物品的次数除以该物品对目标用户曝光的次数。

4.根据权利要求2所述的基于异质信息网络的推荐方法，其特征在于，步骤S3具体为：

对于有历史行为的用户，通过对第二类节点、第三类节点、以及第二类边构成的用户-物品二分网络，使用第一预设算法计算用户节点与物品节点间的相关性，取相关性最高的n个物品作为目标用户的推荐物品候选集；

对于无历史行为的用户，通过对第一类节点、第二类节点、以及第一类边构成的用户-特征二分网络，使用第二预设算法计算用户节点之间的相似性。

5.根据权利要求4所述的基于异质信息网络的推荐方法，其特征在于，所述取相关性最高的n个物品作为目标用户的推荐物品候选集具体包括：

根据相关性找出前 k个有历史行为的最近邻用户，加权累加上述k-近邻用户点击过的物品，权值为用户对物品的点击率，累加值作为目标新用户对该物品的偏好，取偏好最高的前 n 个物品作为目标新用户的推荐物品候选集。

6.一种基于异质信息网络的推荐装置，其特征在于，包括：

数据采集模块；所述数据采集模块采集用户数据、物品数据、用户对物品的行为数据和物品对用户的曝光数据；

异质信息网络构建模块；所述异质信息网络构建模块根据用户对物品的行为数据、物品对用户的曝光数据、用户数据构造异质信息网络；

召回模块；所述召回模块通过预设算法对有历史行为的用户和没有历史行为的用户分别计算获取推荐候选物品集；

排序模块；所述排序模块在推荐候选物品集的基础上使用分类学习算法来预测用户对物品的偏好程度，然后将用户对物品按照偏好程度从大到小依次排列，选出用户最有可能感兴趣的物品；

推荐服务模块；所述推荐服务模块过滤重复推荐和状态异常的物品，当召回和排序结果不足时，使用全局热门物品、新上架物品进行补充，合并物品基础信息，将包含完整信息的物品推荐列表返回给服务请求端。

7.根据权利要求6所述的基于异质信息网络的推荐装置，其特征在于：

所述异质信息网络中包含三类节点，第一类为用户特征节点，根据用户属性数据生成用户特征节点，其中对连续属性进行离散化，对离散属性采用one-hot编码方法进行处理；第二类为用户节点；第三类为物品节点；

所述异质信息网络中包含两类边，第一类边存在于第二类节点与第一类节点之间，表示用户具有的特征；第二类边存在于第二类节点和第三类节点之间，表示用户对物品的偏好。