[发明专利]一种基于用户及项目耦合关系分析的推荐系统及方法

摘要

本发明公开了一种基于用户及项目耦合关系分析的推荐系统及方法，包括数据采集和处理、划分数据集、构建耦合模型和训练模型和项目推荐。本发明考虑用户特征与项目特征之间的非常微观的耦合关系，当评分信息比较稀疏时这种耦合关系可以给用户推荐其喜好的项目，提高了推荐的质量；并运用了Attention机制捕获用户对于项目不同特征的喜好程度，使推荐系统具有更好的推荐效果和可解释性。另外，本发明利用Doc2vec从评论文本中提取用户和项目的显式特征，降低了用户/项目显式特征的维度，加快模型运行速度以及提高推荐准确度，相比于矩阵分解，本发明采用的卷积神经网络以及深度神经网络的非线性性有助于更深层次的学习特征间的交互。

主权项

1.一种基于用户及项目耦合关系分析的推荐系统，其特征在于，包括：数据采集和处理模块，用于从亚马逊下载评论数据集后清理脏数据，合并每个用户对应的所有项目的评论作为用户评论文本以及合并所有用户对项目的评论文本作为项目评论文本；划分数据集模块，用于将处理好的数据集按8:1:1的比例划分为训练集、测试集和验证集；耦合模型模块，用于卷积神经网络学习用户/项目显式‑隐式耦合；多层感知器学习用户特征与项目特征之间的耦合；训练模型和项目推荐模块，用于将所述划分数据集模块得到的训练数据集和测试数据集分别用于训练和评估所述耦合模型模块构建的耦合模型，根据用户对项目的预测评分判断是否将项目推荐给用户。