[发明专利]一种基于用户图谱的推荐方法

权利要求书

1.一种基于用户图谱的推荐方法，其特征在于，包括以下步骤：

S1、根据推荐系统用户的注册信息，提取所有用户的特征，视不同的用户特征重要性赋予不同的权重，并根据用户特征构建用户-特征知识图谱；

S2、当新用户注册完成进入推荐系统时，提取新用户的特征，并将新用户的特征加入所述用户-特征知识图谱中，更新用户-特征知识图谱，同时在用户-特征知识图谱中利用找环的方式找到与新用户在同一环上的相关用户，并计算得到相关用户与新用户相连边的权重之和，根据所述权重之和的大小对相关用户进行排序，形成相关领域用户列表；

S3、根据推荐系统中相关用户的历史信息，获取相关用户对物品的评分信息，构建用户-评分矩阵，利用矩阵分解方法将所述用户-评分矩阵分解为用户特征矩阵以及物品特征矩阵，并对所述用户特征矩阵以及物品特征矩阵进行训练，生成评分预测模型；

S4、根据所述相关领域用户列表中的某个用户，利用所述评分预测模型预测所述某个用户对所有物品的评分，获取评分最高的k个物品，将评分最高的k个物品加入至推荐列表，并判断新用户的相关邻域用户列表是否都推荐完成，若是，则生成最终的推荐列表，完成基于用户图谱的推荐，否则，返回步骤S2。

2.根据权利要求1所述的基于用户图谱的推荐方法，其特征在于，所述步骤S2包括以下步骤：

S201、当新用户注册完成进入推荐系统时，提取新用户的特征；

S202、将新用户的特征加入所述用户-特征知识图谱中，更新用户-特征知识图谱；

S203、根据新用户特征更新知识图谱，利用找环的方式统计新用户经过定长路径并能返回的环c_j；

S204、根据每个所述环c_j上的用户节点n_i，视所述用户节点n_i与新用户特征之间的连线为边；

S205、根据所述边的权值之和，计算得到用户节点n_i的权重n_sum；

S206、根据所述用户节点n_i的权重n_sum计算得到相关用户与新用户相连边的权重之和；

S207、根据所述权重之和的大小对相关用户进行排序，形成相关领域用户列表。

3.根据权利要求2所述的基于用户图谱的推荐方法，其特征在于，所述步骤S206中权重之和n_sumi的表达式如下：

其中，n_i表示用户节点，c表示从新用户点出发经过定长路径能返回新用户的环的所有路径集合，c_j表示c中某条路径，e_jm表示路径c_j中某条边的权值，distinct(·)表示在所有路径中某条边的权值只统计一次。

4.根据权利要求1所述的基于用户图谱的推荐方法，其特征在于，所述步骤S3包括以下步骤：

S301、根据推荐系统中相关用户的历史信息，获取相关用户对物品的评分信息，构建用户-评分矩阵；

S302、将所述用户-评分矩阵分解降维为用户特征矩阵与物品特征矩阵之积R；

S303、根据所述用户特征矩阵与物品特征矩阵之积R，计算得到R与WH之间的最小欧式距离D，其中，W表示m×k维的用户特征矩阵，H表示n×k维的物品特征矩阵；

S304、根据所述最小欧式距离D，利用梯度下降法计算得到最优的分解矩阵；

S305、根据所述最优分解矩阵，将所述用户-物品评分矩阵分解为用户特征矩阵和物品特征矩阵；

S306、对所述用户特征矩阵以及物品特征矩阵进行训练，生成评分预测模型。

5.根据权利要求4所述的基于用户图谱的推荐方法，其特征在于，所述步骤S302中用户特征矩阵与物品特征矩阵之积R的表达式如下：

R≈W×H

其中，R表示用户特征矩阵与物品特征矩阵之积，W表示m×k维的用户特征矩阵，H表示n×k维的物品特征矩阵。