[发明专利]一种基于异构信息的评分推荐方法

摘要

本发明提供了一种基于异构信息的评分推荐方法，其包括以下步骤：S1、获取物品的用户ID、物品ID、评分信息、评论信息和物品描述信息；S2、将评分信息、评论信息和物品描述信息分别转化成评分向量、评论向量和物品描述向量；S3、将评分向量、评论向量和物品描述向量代入损失函数中，并通过梯度下降的方法进行求解；S4、根据S3中的计算得到最终的变量，通过公式得到用户对于物品的推荐度。通过本发明提供的一种基于异构信息的评分推荐方法，解决了文字信息的短文本问题，能够更加有效地整合不同空间表达下的不同信息，让评分信息、物品信息、评论信息得到更好的融合，最后做出更加精准的推荐。

主权项

一种基于异构信息的评分推荐方法，其特征在于，包括以下步骤：S1、获取物品的用户ID、物品ID、评分信息、评论信息和物品描述信息；S2、将评分信息、评论信息和物品描述信息分别转化成评分向量、评论向量和物品描述向量；S3、将评分向量、评论向量和物品描述向量代入以下损失函数中，并通过梯度下降的方法进行求解；其中，评论向量和物品描述向量为常量，评分向量为变量；Loss=F-αrp,rqeΣp>qlnC(||rp||22-||rq||22)+αreΣ(u,r,v)∈Rr(wrTr)2||r||22+αceΣ(u,c,v)∈Rc(wcTc)2||c||22+αdeΣ(d,v)∈Rd(wdTd)2||d||22]]>其中，u表示用户特征向量，v表示物品特征向量，r表示评分向量，wr表示评分向量所处超平面的单位法向量；c表示评论向量，wc表示评论向量所处超平面的单位法向量；d表示物品描述向量，wd表示物品描述向量所处超平面的单位法向量，rp，rq分别指评分为p和q的评分向量，αr，αc，αd分别代表rp和rq、r、c、d所占损失函数的权重，Rr，Rc，Rd分别表示已经存在的评分关系集合、评论关系集合、物品描述关系集合，e是超参数，C(x)取sigmoid函数；进一步地，损失函数中的函数F为：F=Σ(u,r,v)∈Rrdis((u-wrTuwr)+r-(v-wrTvwr))2+λcΣ(u,c,v)∈Rcdis((u-wcTuwc)+c-(v-wcTvwc))2+λdΣ(d,v)∈Rddis(c-(v-wdTvwd))2]]>其中，dis(x)表示向量x的欧几里得距离，λc和λd是权重参数，分别代表在函数F中评论信息和物品描述信息所占的比重；S4、根据S3中的计算得到最终的变量u，v，wr，wc，wd，通过以下公式得到用户u对于物品v的推荐度p：