【技术实现步骤摘要】
基于用户社交网络和产品相似度的推荐方法
本专利技术属于数据挖掘
，具体涉及一种基于用户社交网络和产品相似度的推荐方法。
技术介绍
近年来，随着互联网技术的广泛应用，信息过载问题越来越严重，为了满足用户的个性化需求，在海量的数据中对信息进行筛选，推荐系统应运而生。通过推荐系统，可以将不同的产品精准地推荐给用户，大大节省了用户选购各种产品的时间，同时有利于产品的价值最大化。传统的产品推荐系统主要包括两大类：基于产品内容属性相似度的内容过滤(Content-BasedFiltering，CB)算法以及基于用户产品交互记录挖掘各自相似度的协同过滤(CollaborationFiltering，CF)算法。CB算法忽略了用户和产品之间复杂的交互关系，CF算法过于依赖历史交互记录，无法应对数据稀疏和冷启动问题，而且面对大规模网络时缺乏时效性。针对以上问题，基于知识图谱的推荐算法被提出。知识图谱(Knowledgegraph，KG)作为一种异构图，可以表征用户以及产品之间的内在属性关系，把用户以及产品的属性作为边缘信息引入推...
【技术保护点】
1.一种基于用户社交网络和产品相似度的推荐方法，其特征在于，包括：/nS1：初始化用户特征向量和产品特征向量；/nS2：构建用户-用户社交关系图、用户-产品交互图和产品知识图谱；/nS3：将所述用户特征向量分别输入所述用户-产品交互图和所述用户-用户社交关系图中，得到第一用户特征向量和第二用户特征向量，计算所述第一用户特征向量与所述第二用户特征向量的用户相似度，根据所述用户相似度以及预设的第一相似度阈值，迭代更新用户特征向量，得到优化的用户特征向量；/nS4：将所述产品特征向量分别输入所述用户-产品交互图和所述产品知识图谱中，得到第一产品特征向量和第二产品特征向量，计算所述...
【技术特征摘要】
1.一种基于用户社交网络和产品相似度的推荐方法，其特征在于，包括：
S1：初始化用户特征向量和产品特征向量；
S2：构建用户-用户社交关系图、用户-产品交互图和产品知识图谱；
S3：将所述用户特征向量分别输入所述用户-产品交互图和所述用户-用户社交关系图中，得到第一用户特征向量和第二用户特征向量，计算所述第一用户特征向量与所述第二用户特征向量的用户相似度，根据所述用户相似度以及预设的第一相似度阈值，迭代更新用户特征向量，得到优化的用户特征向量；
S4：将所述产品特征向量分别输入所述用户-产品交互图和所述产品知识图谱中，得到第一产品特征向量和第二产品特征向量，计算所述第一产品特征向量与所述第二产品特征向量的产品相似度，根据所述产品相似度以及预设的第二相似度阈值，迭代更新产品特征向量，得到优化的产品特征向量；
S5：根据所述优化的用户特征向量和所述优化的产品特征向量，进行用户的偏好预测，得到推荐结果。
2.根据权利要求1所述的基于用户社交网络和产品相似度的推荐方法，其特征在于，所述S1包括：
将离散的节点特征向量映射为连续的向量，学习节点特征向量的低维潜在表示，其中，所述节点特征向量包括用户特征向量和产品特征向量。
3.根据权利要求1所述的基于用户社交网络和产品相似度的推荐方法，其特征在于，所述S2包括：
S21：利用用户与用户之间的社交关系，构建得到所述用户-用户社交关系图：
其中，uo表示社交发起者，ue表示社交参与者，yuu表示用户与用户之间的社交关系，U表示用户集；
S22：利用用户与产品的历史交互记录，构建得到所述用户-产品交互图：
其中，I表示产品集，u表示用户集U中的任何一个用户，i表示产品集I中的任何一个产品，yui表示用户u和产品i之间的连接关系；
S23：利用产品的属性特征，构建得到所述产品知识图谱：
其中，h表示头实体，t表示尾实体，r表示实体之间的关系，R表示关系集。
4.根据权利要求1所述的基于用户社交网络和产品相似度的推荐方法，其特征在于，所述S3包括：
S31：将所述用户特征向量输入所述用户-...
【专利技术属性】
技术研发人员：郭洁，周妍，王昊，宋彬，陈璐，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。