[发明专利]一种基于生成对抗网络的多样性推荐方法、装置及服务器

说明书

本发明属于人工智能技术领域，具体涉及一种基于生成对抗网络的多样性推荐方法、装置及服务器；所述方法包括通过矩阵分解得到用户矩阵和物品矩阵；所述用户矩阵中包括用户对物品的偏好信息，所述物品矩阵中包括物品的特征信息；将用户对物品的偏好信息和物品的特征信息输入到生成对抗网络；将生成对抗网络中的生成器和判别器进行对抗学习以生成推荐物品；采用最大边缘相关多样性算法对推荐物品进行排序，并向用户输出排序靠前的若干推荐物品；本发明能够保证推荐结果是既具备多样性又具备准确性，保证了推荐效果。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于生成对抗网络的多样性推荐方法、装置及服务器。

背景技术

近年来，随着云计算、大数据、物联网等技术的迅猛发展，互联网空间中各类应用的层出不穷引发了数据规模的爆炸式增长。大数据中蕴含着丰富的价值与巨大的潜力，将给人类社会带来变革性的发展，但同时也带来了严重的“信息过载”问题，如何快速有效地从纷繁复杂的数据中获取有价值的信息成为了当前大数据发展的关键问题。

推荐系统(Recommender System)是一种过滤信息的方法。推荐系统可以通过用户的历史行为，建模用户偏好，向用户提供个性化的信息内容。推荐系统已经在电子商务和内容提供商中得到广泛的应用。对于用户而言，推荐系统可以帮助用户过滤信息，节省时间，发现用户感兴趣的内容，缓解信息过载问题。对服务提供商而言，推荐系统可以提高服务质量，增加用户体验，提升用户对网站的满意和依赖度，为网站带来直接的收益。如今，从电商平台到社交网站，从休闲娱乐到知识获取，推荐系统已经是各类网站的核心竞争力。

但是，当前的个性化推荐系统和相应算法大多数关注如何提高推荐算法的准确性，通常会根据与用户个人喜好和兴趣的匹配程度来选择排名靠前的项目(例如产品，电影)，而忽略了推荐结果的多样性。结果是越来越多的用户被局限到一个相对“狭窄”的推荐结果集里，用户可能感兴趣的一些信息却被忽略掉了。例如协同过滤方式有利于受欢迎的项目，因此可能会给用户推荐受欢迎的但是用户已知的项目。基于内容的过滤可能会产生与用户兴趣相匹配的项目，但是其涵盖的主题范围非常狭窄。

发明内容

为了使推荐系统在保持推荐结果准确性的同时，在多样性方面也呈现出优秀的表现，提出了一种基于生成对抗网络的多样性推荐方法、装置及服务器。本申请基于生成对抗网络，利用矩阵分解技术以及结合用户兴趣深度改进的最大边缘相关多样性算法，提出了一种多样性推荐模型，以生成多样化且又具有良好准确性的推荐结果。通过在两个真实数据集上实验验证，结果表明本发明能够有效地提高推荐结果的多样性，同时在推荐结果的准确性上也表现良好。

第一方面，本发明提供了一种基于生成对抗网络的多样性推荐方法，所述方法包括：

通过矩阵分解得到用户矩阵和物品矩阵；所述用户矩阵中包括用户对物品的偏好信息，所述物品矩阵中包括物品的特征信息；

将用户对物品的偏好信息和物品的特征信息输入到生成对抗网络，进行对抗学习以生成推荐物品；采用最大边缘相关多样性算法对推荐物品进行排序，并向用户输出排序靠前的若干推荐物品。

在一种可能实现的方式中，本发明利用用户兴趣深度对所述最大边缘相关多样性算法进行改进，能够得到使得大用户兴趣深度用户的多样性权重更大，更加关心多样性的提升；同时减小用户兴趣深度用户的多样性权重，优先保证其准确性。

第二方面，本发明还提供了一种基于生成对抗网络的多样性推荐装置，包括：

矩阵分解模块，用于得到用户矩阵和物品矩阵，其中所述用户矩阵中包括用户对物品的偏好信息，所述物品矩阵中包括物品的特征信息；

生成对抗网络模块，将用户对物品的偏好信息和物品的特征信息输入到生成对抗网络，进行对抗学习以生成推荐物品；

排序模块，用于采用最大边缘相关多样性算法对推荐物品进行排序；