[发明专利]一种基于文本和图像的用户个性化偏好挖掘方法

说明书

本发明公开了一种基于文本和图像的用户个性化偏好挖掘方法，其步骤包括：1构建用户集合并提取用户购买产品信息中的产品文本描述信息及图像信息，2设计有参贝叶斯模型STILT(SparseTextandImageLinkTopic)建模偏好内容及用户的兴趣内容，3利用坍塌式吉布斯抽样算法进行参数推断。本发明能结合图片和文本的多模态数据来有效挖掘用户的个性化偏好，将用户偏好聚焦在一定范围内，从而能提高用户个性化偏好挖掘的全面性、精确性和快速性，有助于对用户进行精准推荐，并制定个性化推荐策略。

技术领域

本发明涉及用户个性化偏好挖掘技术领域，具体涉及一种基于文本和图像的用户个性化偏好挖掘方法。

背景技术

用户偏好是指用户对一种商品或商品组合的喜好程度，反映了用户个人的需要和兴趣。由于网络购物中，用户缺乏与商品的直接接触，产品的描述及图片成为用户了解产品的主要方式。这些信息直接影响用户决策，因此结合文本和图像挖掘用户个性化偏好是不可或缺的。

图片和文本已经成为网络用户购买商品时的主要信息来源，用户浏览、购买的产品信息为发掘用户个性化需求提供了丰富的资源。但目前现有技术在挖掘用户个性化偏好时，忽略了包含图片和文本的多模态数据，大多数方法只通过文本信息或只通过图片信息来挖掘用户个性化偏好，存在局限性。与此同时，现有技术忽略了用户偏好的有限性，根据注意力理论，用户不可能对所有偏好感兴趣，用户的偏好会限制在固定的范围内，因此认为用户的兴趣存在于所有的偏好显然是不合理的。

发明内容

本发明为了克服现有技术存在的不足之处，提出了一种基于文本和图像的用户个性化偏好挖掘方法，以期能结合图片和文本的多模态数据来有效挖掘用户的个性化偏好，将用户偏好聚焦在一定范围内，从而能提高用户个性化偏好挖掘的全面性、精确性和快速性，有助于对用户进行精准推荐，并制定个性化推荐策略。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于文本和图像的用户个性化偏好挖掘方法的特点是按如下步骤进行：

步骤1、构建用户集合U＝{1,2,…,u,…,|U|}，其中，u表示第u个用户，|U|表示用户的数量；

步骤1.1、获取|U|个用户分别购买的产品图片和产品文本描述构成用户购买产品信息集合D，其中，产品文本描述集合表示为D_w，产品图片集合表示为D_v；

步骤1.2、去除所述产品文本描述集合D_w中所有标点符号、停用词、低频词，从而得到预处理后的产品文本描述集合其中，N_u表示第u个用户购买记录中所有不重复的词汇数量，W_un表示第u个用户购买记录中的第n个词汇；n＝1,2,…,N_u；

步骤1.3、对所述产品图片集合D_v中所有图片进行深度残差网络处理，得到预处理后的图片特征向量集合其中，M_u表示第u个用户购买记录中所有不重复的图片数量，V_um表示第u个用户购买记录中的第m个产品图片特征向量；m＝1,2,…,N_u；

步骤1.4、由所述预处理后的产品文本描述集合和预处理后的图片特征向量集合构成处理后的第u个用户购买产品信息D_u′，从而构成处理后的|U|个用户购买产品信息集合D′；

步骤2、指定处理后的|U|个用户购买产品信息集合D′中的偏好数量为K；

步骤3、构建有参贝叶斯模型STILT，并通过分析处理后的|U|个用户购买产品信息集合D′中每个用户的产品描述文本信息和产品图片信息，挖掘用户个性化偏好；