[发明专利]一种基于社会化卷积矩阵分解的文档上下文感知推荐方法

摘要

本发明公开了一种基于社会化卷积矩阵分解的文档上下文感知推荐方法，该方法首先利用卷积神经网络(CNN)捕获物品描述文档的上下文信息，并将获得的上下文特征向量和高斯噪声一起作为项目的潜在向量；然后利用用户的兴趣爱好更容易受到其所信任的朋友的影响(具有直接链接关系)的特点，通过计算其好友的潜在特征向量的平均值来确定目标用户的潜在特征向量；最后根据用户和项目的联合概率分布函数预测出用户对项目的评分信息。该方法以概率的角度将CNN无缝集成到基于矩阵分解技术的社会化推荐(SocialMF)中，这使得它能在学习过程中进一步识别出与目标用户具有信任关系并且兴趣比较接近的朋友，从而达到优化推荐结果的目的。

主权项

1.一种基于社会化卷积矩阵分解的文档上下文感知推荐方法，其特征在于，包括以下步骤：S1：收集用户的基本信息数据集X，并进行了预处理；S2：将原始的文档上下文信息通过卷积神经网络(CNN)架构中的嵌入层转换为数字矩阵D；S3：利用S2生成的数字矩阵D，通过卷积层提取出上下文权重W；并提取出具有代表性的特征，通过构建固定长度特征向量的池操作来处理可变长度的文档；S4：经过S2，S3得到的每个文档的潜在向量Sj作为平均值可以得到项目的潜在特征向量；S5：通过计算其好友的潜在特征向量的平均值可以得到目标用户的潜在特征向量；S6：经过贝叶斯推断可以得到用户和项目的联合概率分布，最后可以综合利用那些与目标用户之间具有信任关系的用户的评分以及项目的文档上下文信息进行推荐。