[发明专利]一种在神经网络下结合人格特征的跨域推荐方法

摘要

本发明属于基于大数据的个性化推荐领域，具体说是提出一种在神经网络下结合人格特征的跨域推荐方法。在神经网络下结合人格特征的跨域推荐方法，具体包括：(1)获取数据；(2)筛选用户；(3)提取关键词。(4)搭建神经网络。(5)针对人格特征，给具有相似人格特征的人进行个性化物品推荐。本发明通过结合人格特征，在神经网络的基础上，利用卷积神经网络CNN搭建神行网络体系，为具有相似人格特征的用户推荐相关物品。由于人格特征是不易改变且容易预测的，因为基于人格特征做个性化推荐能够提高推荐准确度的。

主权项

1.一种在神经网络下结合人格特征的跨域推荐方法，具体步骤如下：(1)获取数据；由于微博的授权认证是需要加密的，也就是需要身份认证的，虽然用户不会向微博透露自身的用户名以及密码，但是微博需要确认第三方的身份并提供特定的用户资源访问授权；新浪微博的授权方式是通过OAUTH认证实现的，它提供了一个稳定而安全的认证授权环境；授权完毕后，API根据用户发送的不同请求，会返回特定的文件，通过对相关文件的解析，便可以获得原始数据资源，其中用户自己发布的微博、他的粉丝、他的点赞、他的转发等；(2)筛选用户；由于微博用户中的数据可能存在小号、滞销号等无用号，所以需要提取对实验有意义的数据，就需要进行有效用户数据筛选，因此建立一个基于活跃度和影响力的微博用户权重模型；我们利用HITS算法，将用户的微博内容类比成一个网页进行解析，粉丝数量，粉丝互动值是影响力，发布数量和时间是活跃度，作为指标建立矩阵，然后迭代收敛，选区符合阈值条件的用户；(3)提取关键词：利用TF‑IDF算法获取并计算数据的词条权重，也就是采集关键词词频，关键词词频对于个性化推荐的匹配度是重要的指标，这些关键词词频会用于搭建神经网络；TF‑IDF实际上是：TF*IDF；主要思想是：如果某个词或短语在一篇文章中出现的频率高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类；(4)搭建神经网络；当得到人格特征和用户在音乐和食品方面相关的关键词数据后，就需要构建一个神经网络，本文是利用卷积神经网络将人格特征神经网络化，也就是说其中最重要的算法是卷积算法，我们构建的神经网络也是由很多个卷积构成的，构建过程其实也就是数据的训练过程；(5)针对人格特征，给具有相似人格特征的人进行个性化物品推荐。