[发明专利]一种基于内容的用户个性化产品的匹配推荐方法

摘要

本发明公开了一种基于内容的用户个性化产品的匹配推荐方法，克服了现有技术中推荐算法仍需改进的问题因。该发明含有步骤一、基于用户的随机批量采样方法；步骤二、基于内容的用户产品匹配方法：建立网络；按批量输入基于用户的随机批量采样方法得到有序的用户id，历史记录产品id列表，目标产品id和label的集合，分别在训练集、验证集、测试集上训练、调整、评估网络模型；输入特定用户以及其历史记录，使用基于内容的用户产品匹配网络预测其对所有未观看电影的评分并排序，最终输出top‑N的推荐结果。本发明采用轻量级神经网络，大大减少了训练时间及训练设备要求，采样过程容易且模型输入更具随机性，预测结果泛化能力更强。

主权项

1.一种基于内容的用户个性化产品的匹配推荐方法，其特征在于：含有以下步骤，步骤一、基于用户的随机批量采样方法，步骤二、基于内容的用户产品匹配方法，其中基于用户的随机批量采样方法，包括如下步骤：步骤1.1、整理出交互信息文件、用户信息文件、产品信息文件并划分测试集和训练集；步骤1.2、将用户信息和产品信息编码为数值向量；步骤1.3、对于每个用户，对其历史记录进行随机数量的随机采取，并对采取结果反复采用leave‑one‑out的形式决定历史记录和目标产品；步骤1.4、输出有序排列的用户id、历史记录产品id列表、目标产品id、label集合；其中基于内容的用户产品匹配方法，包括如下步骤：步骤2.1、建立网络；步骤2.1.1、留出用户id、历史记录产品id列表、目标产品id的输入位置，对应位置输入的信息经过查找层得到对应的用户信息、历史记录产品信息和目标产品信息的编码；步骤2.1.2、将用户信息、历史记录产品信息和目标产品信息的编码分别通过u网络、p网络和q网络映射到相同维度的隐因子空间；步骤2.1.3、根据目标产品隐因子和用户历史记录产品隐因子对用户历史记录产品隐因子进行自适应加权得到用户历史偏好隐因子；步骤2.1.4、使用用户历史偏好隐因子和用户表示隐因子加权得到用户画像；步骤2.1.5、使用用户画像和目标产品隐因子通过全连接层预测匹配得分；步骤2.1.6、使用coeff和偏置修正匹配得分；步骤2.2、按批量输入基于用户的随机批量采样方法得到有序的用户id，历史记录产品id列表，目标产品id和label的集合，分别在训练集、验证集、测试集上训练、调整、评估网络模型；步骤2.3、输入特定用户以及其历史记录，使用基于内容的用户产品匹配网络预测其对所有未观看电影的评分并排序，最终输出top‑N的推荐结果。