一种图书推荐的方法、相关装置、设备及存储介质制造方法及图纸

本发明专利技术属于电商推荐领域，尤其是一种图书推荐的方法、相关装置、设备及存储介质；所述方法包括获取用户信息数据、图书信息数据和用户行为数据并预处理；计算得到用户图书兴趣度、用户活跃度和图书流行度；基于用户图书兴趣度来控制用户节点随机游走，得到用户节点的嵌入向量表示并进行相似度计算，将不同的书城平台中的用户节点对齐；利用对齐后的评分数据进行数据补偿；将用户活跃度和图书流行度作为灰色模型的相关因素，利用灰色模型对补偿后的评分数据矩阵处理，得到用户节点的评分预测序列，并推荐出排名靠前的图书。本发明专利技术能挖掘用户和图书间的隐藏信息并有效弥补数据稀疏的问题，将对齐后的用户进行信息融合，能够提供较为精确的推荐数据。确的推荐数据。确的推荐数据。

【技术实现步骤摘要】
一种图书推荐的方法、相关装置、设备及存储介质


[0001]本专利技术属于电商推荐领域，涉及用户行为分析，尤其涉及一种图书推荐的方法、相关装置、设备及存储介质。

技术介绍

[0002]个性化推荐是当今研究的热点问题，个性化推荐就是根据用户的属性信息和用户历史购买行为信息分析得出该用户的兴趣所在，实现个性化的推荐能够提高电商平台的成交量。在当下电子商务时代，推荐系统已成为一种更为活跃、更现代化的信息过滤方式。随着推荐技术的研究和发展，其应用领域也越来越多。例如，新闻推荐、商务推荐、娱乐推荐、学习推荐、生活推荐、决策支持等。推荐方法的创新性、实用性、实时性、简单性也越来越强。例如，上下文感知推荐、移动应用推荐、从服务推荐到应用推荐。个性化推荐在这些领域都有着极强的研究价值和实际应用。
[0003]随着Internet的广泛普及，各类电子商务平台走进人们的视野，用户为了满足购物的服务需求，常在电商网络平台中消费，因此，电商网络环境下的个性化推荐问题成为研究热点。近年来，国内外学者对个性化推荐进行了广泛的研究。现阶段推荐算法主要有以下几类：基于内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图书推荐的方法，其特征在于，所述方法包括：从不同的书城平台中获取用户信息数据、图书信息数据以及用户行为数据，并对数据进行预处理；从预处理后的数据中计算得到用户数值属性、用户文本属性、用户图书兴趣度、用户活跃度以及图书流行度；根据所述用户数值属性和所述用户文本属性，计算得到用户节点的属性向量；基于所述用户图书兴趣度来控制用户节点进行随机游走的跳跃策略和停留策略，从而得到每个用户节点的嵌入向量表示；对不同用户节点的属性向量和嵌入向量表示各自进行相似度计算，按照两种向量加权求和的方式选择出相似度最高的用户节点对，并将不同的书城平台中的用户节点对齐；利用对齐后的其他书城平台的用户节点的评分数据去补偿当前书城平台用户节点的评分数据；将所述用户活跃度和所述图书流行度作为灰色模型的相关因素，利用所述灰色模型对补偿后的评分数据矩阵进行处理，得到用户节点的评分预测序列，并推荐出排名靠前的图书。2.根据权利要求1所述的一种图书推荐的方法，其特征在于，所述用户图书兴趣度的计算公式表示为：其中，UCH
ui
表示用户u对图书i的兴趣度；H(u)表示用户u购买的所有图书的集合；C
type(i)
表示和图书i属于相同类别的图书集合；IsBuy表示用户是否购买的状态值；IsCollect表示用户是否收藏的状态值；IsBrowse表示用户是否浏览的状态值；W表示兴趣度均值参数。3.根据权利要求1或2所述的一种图书推荐的方法，其特征在于，所述基于所述用户图书兴趣度来控制用户节点进行随机游走的跳跃策略和停留策略包括利用用户图书兴趣度分别计算出用户节点跳跃到其他类型的概率和停留在当前类型的概率，当跳跃概率大于停留概率时，确定出用户节点在下一跳的目标类型，从而得到每个用户节点近邻序列；根据所述用户节点近邻序列确定出优化目标函数，利用Skip
‑
Gram模型对所述优化目标函数进行训练，将异步梯度下降函数作为网络训练的优化器，将训练后每个用户节点编码中为l元素的权重序列作为用户节点的嵌入向量，即得到用户节点的嵌入向量表示。4.根据权利要求3所述的一种图书推荐的方法，其特征在于，用户节点u
i
选择停留的概率和选择跳跃的概率依次表示为：依次表示为：
其中，V
stay
(u)表示下一跳选择和用户节点u相同类型的用户节点的集合，表示初始化的随机游走集合，表示用户节点u
i
选择跳到类型为q的用户节点的集合，u表示异质书城网络中的用户节点；Q表示异质书城网络的节点类型集合，φ(u)...

【专利技术属性】
技术研发人员：李暾，李周，杨旭，万鑫，刘剑锋，尹昊楠，谢荣，李娟，肖云鹏，卢星宇，刘红，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：