[发明专利]一种基于用户和项目双重时序相关性的众测任务推荐方法

权利要求书

1.一种基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：包括以下步骤，

S1，计算用户间和项目间的关系权重，利用历史交互行为的偏序关系构建属性网络，并通过属性网络定义用户间和项目间的相似关系；

S2，计算时间片相关性，获取任意时间片的相似时间片集合，利用用户间和项目间的关系权重计算用户时间片和项目时间片的相似关系；

S3，构建待预测时间片用户项目矩阵，所述待预测时间片用户项目矩阵由用户时间片特征矩阵和项目时间片特征矩阵相乘得到，两种特征矩阵由待预测时间片相似时间片向量构成；

S4，神经协同过滤网络随时间片更新而不断训练，直到网络更新至待预测时间片，随后对用户行为进行预测，得到预测结果；

S5，对预测结果进行排序，得到对未来用户和项目之间的行为预测最终结果；

所述S1包括以下步骤，

S11，遍历用户-项目交互记录，并以用户为节点、以用户先后消费同一项目为边构建消费网络图；

S12，根据偏序关系的数量获取两用户之间边的权重，两用户之间边的权重和两用户消费产品的集合并集的模之比表示偏序关系中前序用户对后序用户的影响力，以此得到任何一个用户对其他所有用户的影响力权重；

S13，对所有用户任意排序，然后利用某一用户对其他用户的影响力权重构造影响力向量，所述影响力向量中的每一维表示该用户对其他指定用户的影响力；

所述S2包括以下步骤，

S21，时间片相关性包括用户侧时间片相关性和项目侧时间片相关性，利用用户影响力向量和用户-时间片向量，根据加权余弦相似性计算用户侧时间片相关性；

S22，利用项目影响力向量和项目-时间片向量，根据加权余弦相似性计算项目侧时间片相关性；影响力分为用户影响力和项目影响力，二者在S23中混合；

S23，利用线性方法调和用户时间片相关性和项目时间片相关性，得到时间片的双重相关性。

2.如权利要求1所述的基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：所述S3包括以下步骤，

S31，遍历所有待预测时间片前的用户行为时间片数据，计算每一个时间片对应的相似时间片集合，并对集合中的元素按照相似性大小排序；

S32，取L个待预测时间片前序时间片的相似时间片构成一个集合，并将该集合中的每一个元素直接替换为其后序时间片，替换得到的后序时间片集合即为待预测时间片的相似时间片集合；

S33，相似时间片集合分为用户相似时间片集合和项目相似时间片集合，两种集合分别构成用户特征矩阵和项目特征矩阵，两种矩阵相乘得到待预测用户项目交互矩阵。

3.如权利要求1所述的基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：所述S4神经网络协同过滤对用户行为进行预测还包括，

利用Embedding层对用户和项目建立初始特征向量；

利用多层感知机和广义矩阵分解对特征向量做连接，经输出层得到预测结果并和待预测矩阵中的真实值计算损失，以最小化损失函数为目标；

随着不断的将训练数据集中的时间当作待预测时间进行训练，每一次的训练结果都将作为下次训练的网络初始值。

4.如权利要求1所述的基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：所述S5将神经网络训练后得到的预测数据，按照用户和项目交互频次进行降序排序，取最多交互频次的若干项目作为推荐列表推送给用户。

5.如权利要求1所述的基于用户和项目双重时序相关性的众测任务推荐方法，其特征在于：所述项目为待推荐任务，且所述待推荐任务为众测平台中的待测试任务。