[发明专利]一种基于潜在狄利克雷分配模型的潜在特征提取方法

摘要

本发明涉及一种基于潜在狄利克雷分配模型的隐特征提取方法，包括选取一段时间内用户对商品的评分及对这些商品的标签，用户好友关系信息和用户的自身特性作为数据集；从数据集提取出不同用户对同一商品的标签置于同一商品下，并且按商品热度由零开始将数据集重新排列；为潜在狄利克雷分配模型向量赋初始值；针对一个特定商品的标签集合中的标签，得到其出现概率；得到其潜在特征；更新参数；利用Gibbs Sampling通过求解出主题分布和词分布的后验分布，完成一次迭代；重复执行迭代步骤，对每个标签按照Gibbs Sampling公式重新采样得到潜在特征，在标签库中更新，此收敛值即为潜在狄利克雷分配模型的最终输出值。

主权项

一种基于潜在狄利克雷分配模型的隐特征提取方法，包括下列步骤：(1)选取一段时间内用户对商品的评分，以及这些用户对这些商品的标签，用户好友关系信息和用户的自身特性作为数据集；(2)从数据集提取出不同用户对同一商品的标签置于同一商品下，并且按商品热度由零开始将数据集重新排列，重新定义商品ID；(3)随机地为潜在狄利克雷分配模型向量θd和赋初始值，参数θd的含义为标签集合中的每个标签集合d，对应不同潜在特征的概率θd<pt1,pt2,...pti,...pt25>，其中，pti表示d对应潜在特征集T中第i个潜在特征的概率，参数的含义为对每个潜在特征集T中的潜在特征t，生成不同标签的概率其中，pwi表示t第i个标签的概率；(4)针对一个特定商品的标签集合ds中的第i个标签wi，令该标签对应的潜在特征为tj，得到标签集合的中出现标签wi的概率；(5)枚举T中的潜在特征，得到所有的pj(wj|ds)，即在标签集合ds中出现第j个标签wj的概率；然后可以根据这些概率值结果，取令pj(wi|ds)最大的tj为ds中的第i个标签wi为其潜在特征；(6)如果ds中的第i个标签wj此时选择了一个与原先不同的潜在特征，根据向量θd和的计算公式，会对θd和产生反馈，更新参数,迭代公式如下：θm,k=nm(k)+αkΣk-1Knm(k)+αk]]>然后将θd与带入Gibbs Sampling公式中，通过求解出主题分布和词分布的后验分布，从而成功解决主题分布和词分布这两参数未知的问题，完成一次迭代；其中，αk与βt分别为未知的主题分布超参数和词分布超参数,Gibbs Sampling；(7)重复执行(4)‑(6)步骤，对每个标签按照Gibbs Sampling公式重新采样得到潜在特征，在标签库中更新，直到Gibbs Sampling输出收敛，此收敛值即为潜在狄利克雷分配模型的最终输出值。