[发明专利]一种社交信息动态融合的社会化推荐方法

说明书

本发明涉及一种社交信息动态融合的社会化推荐方法，通过接收用户的商品推荐请求，根据用户的交互列表生成用户的短期兴趣向量；同时利用用户的社交信息获得用户朋友的交互列表，生成用户朋友的短期兴趣向量；利用用户的短期兴趣向量融合朋友的短期兴趣向量，生成融合短期社交信息的动态用户兴趣特征；同时利用用户的短期兴趣向量融合朋友的长期兴趣向量，生成融合长期社交信息的静态用户兴趣特征，最后结合动态和静态用户兴趣特征生成最终的用户当前时刻兴趣特征。通过上述技术方案，缓解了推荐方法中的数据稀疏问题，并充分应用的用户交互物品的时间信息，从而提升了推荐效果。

技术领域

本发明涉及一种社会化推荐技术领域，具体为一种社交信息动态融合的社会化推荐方法。

背景技术

随着科学与信息技术的迅猛发展，社会进入了一个高度信息化的时代，互联网的高速发展和物联网的出现，使得网络中的信息呈现指数级增长。由于用户的精力有限，面对大数据时代带来的数据冲击往往感到无从下手，在网络中寻找有用信息需要投入的精力也越来越多，产生了所谓的“信息过载”问题。

搜索引擎和推荐系统的产生为解决“信息过载”问题提供了非常重要的技术手段。对搜索引擎来说，用户需要输入查询关键字，搜索引擎根据用户提供的关键字对用户提供信息。当用户无法想到准确描述自己需求的关键词时，通过分析用户的历史行为来对用户的兴趣进行建模，从而主动给用户推荐可能满足他们兴趣和需求信息的推荐系统成为解决“信息过载”的最有效的方式。

现实世界中，用户的喜好和商品的流行度随着时间的推移是动态的而非静态的，这种动态对于精确定位一个用户或为了更加准确地推荐商品来说有十分重大的意义。而传统的推荐算法并没有考虑用户的喜好变化。同时，传统的推荐算法如协同过滤和矩阵分解等，存在评分数据集稀疏的问题，导致最终的推荐效果不佳。

发明内容

本发明的目的在于提出一种社交信息动态融合的社会化推荐方法，通过引入用户社交关系缓解了现有的协同过滤和矩阵分解算法所需数据集稀疏的问题，同时使社会化推荐更具有时效性。

本发明提供了一种社交信息动态融合的社会化推荐方法，包括：

接收目标用户的商品推荐请求，导入目标用户及其朋友的交互列表，并将交互列表中的商品id映射到一项目隐空间，获得用户及朋友交互列表中每个商品的嵌入特征，将用户id和朋友id映射到用户隐空间得到用户的长期兴趣特征及任一朋友的长期兴趣特征；

利用所述交互商品嵌入特征构建用户及朋友的每一时刻的短期兴趣向量；

通过所述用户短期兴趣向量融合朋友短期兴趣向量，生成用户动态特征向量；通过所述用户短期兴趣向量融合朋友长期兴趣向量得到用户静态特征向量；

将用户动态特征向量与用户静态特征向量，结合得到用户最终兴趣特征向量；

计算所述用户兴趣特征与所有商品特征的相似度，将最佳近似的物品特征作为预测结果，根据预测结果，将相似度最大的前K项商品id推荐给用户。

其中，在将交互列表中的商品id映射到一项目隐空间的步骤中，包括步骤：

用户的交互列表设定为好友的交互列表设定为其中，a,b∈F表示用户的朋友集合；

构建d维的项目隐空间和用户隐空间，将交互列表映射到d维的项目隐空间并加入位置嵌入来保留位置信息，得到用户及朋友交互列表中每个商品的嵌入特征，表示为H^u＝h^u+I，其中表是位置信息嵌入；

将用户id和朋友id映射到用户隐空间得到用户的长期兴趣特征V^u及朋友的长期兴趣特征V^a。

其中，在利用所述交互商品嵌入特征构建用户及朋友的每一时刻的短期兴趣向量的步骤中，用户及朋友的每一时刻的短期兴趣向量和构建过程为：