[发明专利]一种基于多视图哈希的图书推荐方法

摘要

本发明公开了一种基于多视图哈希的图书推荐方法，包括如下步骤1）从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；2）构建用户在点击和搜索视图上的用户特征向量；3）利用两个视图的行为数据，通过多视图哈希算法得到用户哈希编码、哈希函数以及两个视图的权重；4）利用得到的用户哈希编码为目标用户寻找相似用户；5）得到相似用户点击的图书集合，作为推荐候选列表，计算目标用户对图书的偏好程度，返回目标用户偏好程度最大的前N本图书。本发明可以将用户在两个视图的行为数据整合到哈希编码中，提高图书推荐准确性；另一方面，哈希编码的汉明距离计算速度很快，可以提高图书推荐的效率。

主权项

一种基于多视图哈希的图书推荐方法，其特征在于，包括以下步骤：(1)从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；(2)利用用户的点击数据和搜索数据，构建用户在点击视图的特征向量X1和在搜索视图的特征向量X2；(3)利用用户在两个视图上的用户特征向量，通过多视图哈希算法学习得到用户的哈希编码、两个视图上的哈希函数以及各个视图的权重；该步骤包括以下子步骤：(3.1)初始化点击视图和搜索视图的权重αp，αp＝0.5,p＝1,2；(3.2)根据X1和X2构建链接矩阵p＝1,2；(3.3)根据构建正规图拉普拉斯矩阵p＝1,2；(3.4)计算得到Q=(X~αX~αT+I)-1X~α]]>H(α)=Σp=12L~p+I-QTX~α-X~αTQ+QTX~αX~αTQ+QTQ]]>(3.5)计算矩阵H(α)的k个对应特征值最小的特征向量，k为最终用户哈希编码的位数；根据特征向量生成用户哈希编码矩阵U；(3.6)计算得到哈希函数(3.7)根据二次规划方法更新权重α；如果没有收敛，重复步骤(3.4)到步骤(3.7)，如果已经收敛，则得到最终的U,α；(4)利用得到的用户哈希编码为目标用户寻找相似用户；(5)得到相似用户的图书集合，作为推荐图书的候选列表，计算目标用户对候选列表中的图书的偏好程度，返回目标用户偏好程度最大的前N本图书。