[发明专利]一种基于交互记录的个性化推荐系统和方法

权利要求书

1.一种基于交互记录的个性化推荐系统，其特征在于，包括：交互记录数据处理模块、数据空间划分模块、交互图构建与模型训练模块、无交互记录商品与用户模块、多层级划分查找模块、空间向量索引模块以及推荐结果生成模块；其中：

交互记录数据处理模块将用户与商品的交互记录进行数据清洗、属性选择与编码；

数据空间划分模块对商品数据和用户数据使用空间划分方法进行数据划分；

交互图构建与模型训练模块使用处理后的交互记录建立交互图，基于交互图训练模型并生成商品与用户的表示向量；所述交互图是指基于用户数据、商品数据和用户与商品的交互记录数据构建的图；

无交互记录商品与用户模块负责选择系统中无交互记录的新增数据和交互记录较少的数据，进行数据清洗、属性选择与编码；

多层级划分查找模块负责筛选相似项，并为无交互记录商品与用户生成合适的表示向量；

空间向量索引模块负责为生成的用户与商品表示向量创建空间索引；

推荐结果生成模块根据索引的结果为用户生成最终的推荐结果。

2.基于权利要求 1 所述系统的基于交互记录的个性化推荐方法，其特征在于，对于系统中交互数量符合要求的商品与用户，使用交互图对其处理，具体步骤如下：

步骤 1、交互记录数据处理：系统中记录的用户数据，包括商品数据以及用户与商品交互产生的记录数据；对这三种数据分别进行遍历，按照预设的清洗方法，去除掉未知原因的空值数据与可能的噪音数据，根据场景选择合适的属性值并转化为编码；

步骤 2、数据空间划分：系统中记录的用户数据、商品数据，在每一层级，按照预设的划分个数和划分方法进行空间划分，在每一个划分内按照同样的方法进行空间划分，直到划分的层级达到预设的要求；

步骤 3、交互图构建与模型训练：使用用户数据、商品数据与用户商品交互数据构建交互图，使得商品与用户对应交互图中的结点，并附属对应的属性编码值；交互记录对应于交互图中的边，并附属对应的属性编码值；在交互图构建后，通过交互图上的表示向量模型在交互图上生成表示向量，计算模型损失以调整可学习参数，最终为每个结点生成合适的表示向量；

步骤 4、空间向量索引：在得到所有商品结点的表示向量之后，按照预先设定的空间索引插入方法，将所有的商品结点对应的表示向量插入到一个空间索引中；

步骤 5、推荐结果生成：当需要为交互图中的用户生成推荐结果时，使用用户结点对应的表示向量，在空间索引中查找距离最近的商品表示向量，生成对应的商品，将商品排序后作为对应用户最终的推荐结果。

3.基于权利要求 1 所述系统的基于交互记录的个性化推荐方法，其特征在于， 对于系统中交互数量不符合要求的商品与用户或者新增的商品与用户，通过交互记录中相似的商品与用户生成对应的表示向量；具体步骤如下：

步骤 1、无交互记录商品与用户处理：对不存在足够交互的商品与用户，或者新增的商品与用户，对用户数据、商品数据进行遍历，按照预设的清洗方法，去除掉未知原因的空值数据与可能的噪音数据，根据场景选择合适的属性值并转化为编码；

步骤 2、多层级划分查找：对于每个商品与用户，使用在多层级的空间划分中查找最相似商品与用户；按照预先设定的表示向量聚合方式，使用多层级的相似商品与用户集合生成对应商品或用户的表示向量；

步骤 3、空间向量索引：类似于权利要求 2 所述的步骤 4，将生成的商品对应的表示向量按照预先设定的空间索引插入方法，插入到空间索引中；

步骤 4、推荐结果生成：类似于权利要求 2 所述的步骤 5，使用生成的用户表示向量，在空间索引中查找最近的商品，将商品排序后作为对应用户最终的推荐结果。

4.根据权利要求 2 所述的基于交互记录的个性化推荐方法，其特征在于，所述的交互记录数据处理具体包括：对用户数据、商品数据以及用户和商品的交互的数据进行数据清洗以去掉可能存在的空值和噪音数据，遍历全部商品与用户的交互记录，提取所有交互次数大于一定阈值的商品与用户，同时根据场景选择用户数据、商品数据以及用户和商品的交互的数据中合适的属性值作为系统中使用的属性值，并对属性值做响应的处理转换为易于使用的编码。