[发明专利]基于目标物品增强表示的用户个性化信息推荐方法

权利要求书

1.一种基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，该方法包括以下步骤：

S10，获取用户历史记录中的物品及待推荐的目标物品，并映射为设定维度的特征向量；将用户历史记录中的物品映射的特征向量作为第一特征向量，将待推荐的目标物品映射的特征向量作为第二特征向量；

S20，计算第一特征向量、第二特征向量的相似度，并对各相似度进行归一化处理；通过归一化后的相似度对各第一特征向量进行加权求和，作为用户关于目标物品的兴趣表示；

S30，获取第一数据集、待推荐目标物品的交集；通过预设的采样方法从所述交集中采样设定数目的物品，并映射为特征向量，作为第三特征向量；所述第一数据集为基于多个用户历史记录的物品构建的数据集；

S40，计算第二特征向量、第三特征向量的相似度，并对各相似度进行归一化处理；通过归一化后的相似度对各第三特征向量进行加权求和，作为关于目标物品的增强表示；

S50，将第二特征向量、用户关于目标物品的兴趣表示、关于目标物品的增强表示拼接后输入预构建的分类器，预测得到用户对待推荐的目标物品的感兴趣程度；并根据感兴趣程度进行排序，排序后，将前N个感兴趣程度对应的待推荐的目标物品推荐给用户；N为正整数。

2.根据权利要求1所述的基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，步骤S20中“计算第一特征向量、第二特征向量的相似度，并对各相似度进行归一化处理”，其方法为：

通过多层感知机计算第一特征向量、第二特征向量的相似度；

采用softmax函数对各相似度进行归一化处理。

3.根据权利要求1所述的基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，步骤S30中“通过预设的采样方法从所述交集中采样设定数目的物品”，其方法为：

通过全局采样方法、局部采样方法、带权采样方法、均匀采样方法中的任一种方法从所述交集中采样设定数目的物品。

4.根据权利要求3所述的基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，所述带权采样方法为：

其中，表示物品k在全局采样方法下被采样的概率，表示物品k在局部采样方法下被采样的概率，α表示权重，表示物品k在第一数据集中出现的次数，表示物品k与待推荐的目标物品共同出现的次数，o_i表示物品i与第一数据集各用户历史记录中除物品i外的物品构建的集合，表示物品j在第一数据集中出现的次数，表示物品j在o_i中出现的次数。

5.根据权利要求4所述的基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，所述均匀采样方法为：

6.根据权利要求1所述的基于目标物品增强表示的用户个性化信息推荐方法，其特征在于，所述分类器基于多层感知机构建；所述多层感知机为三层，各层之间采用ReLu激活函数，各层的维度依次为80、40和1。