项目推荐方法及项目推荐装置制造方法及图纸

本公开的实施例提供一种项目推荐方法，其包括：获取m个用户分别对n个项目中的一个或多个项目的实际评价；根据实际评价中的实际评分来构建初始用户

【技术实现步骤摘要】
项目推荐方法及项目推荐装置


[0001]本公开的实施例涉及计算机
，具体地，涉及项目推荐方法及项目推荐装置。

技术介绍

[0002]评分预测问题是项目推荐系统中研究的热点，它被广泛地应用在各种领域来对项目(如商品、音乐、电影、旅游等)进行排序和预测。在一些项目推荐系统中采用协同过滤算法来执行推荐任务。协同过滤算法利用用户的交互历史和评分信息来预测未知评分，并为用户生成推荐列表，帮助目标用户发现其感兴趣及相关的项目。
[0003]随着互联网技术的发展，信息传播的速度被极大地提高，人类表情传意的方式也被极大地丰富了。因此，形成了独特的网络语言，其中，最具表现力的就是表情符号。表情符号超越了纯文本，使信息内容更加生动。表情符号的大量使用使得表情符号推荐任务受到国内外学者的广泛关注。
[0004]在如今的社会媒体与电子商务平台上，人们已经习惯于通过发布表情符号来分享自己的感受并对各种项目进行点评。但是，目前的项目推荐系统只能处理一种类型的数据，例如显式的评分数据或者隐式的浏览数据，而不能处理表情符号。而且目前的表情符号推荐任务也没本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种项目推荐方法，包括：获取m个用户分别对n个项目中的一个或多个项目的实际评价，其中，所述实际评价中的每个实际评价包括实际评分和实际表情符号中的至少一者；根据所述实际评价中的所述实际评分来构建初始用户
‑
项目交互矩阵；根据所述实际评价中的所述实际表情符号来构建初始用户
‑
项目
‑
表情符号交互张量；获取k个表情符号与g个情感标签的相似度矩阵；借助所述相似度矩阵对所述初始用户
‑
项目交互矩阵和所述初始用户
‑
项目
‑
表情符号交互张量进行联合分解，以获得估计的用户
‑
潜在因子矩阵、估计的项目
‑
潜在因子矩阵、估计的表情符号
‑
潜在因子矩阵、所述表情符号的第一权重向量、以及所述情感标签的第二权重向量；根据所述估计的用户
‑
潜在因子矩阵、所述估计的项目
‑
潜在因子矩阵、以及所述估计的表情符号
‑
潜在因子矩阵和/或根据所述相似度矩阵来获得表情符号自表示矩阵；根据所述估计的用户
‑
潜在因子矩阵、所述估计的项目
‑
潜在因子矩阵、以及所述估计的表情符号
‑
潜在因子矩阵来对所述初始用户
‑
项目
‑
表情符号交互张量进行补全，以获得补全后的用户
‑
项目
‑
表情符号交互张量；根据所述表情符号自表示矩阵对所述补全后的用户
‑
项目
‑
表情符号交互张量进行修正，以获得修正后的用户
‑
项目
‑
表情符号交互张量；利用所述修正后的用户
‑
项目
‑
表情符号交互张量、所述相似度矩阵、所述第一权重向量、所述第二权重向量、所述估计的用户
‑
潜在因子矩阵、以及所述估计的项目
‑
潜在因子矩阵来对所述初始用户
‑
项目交互矩阵进行补全，以获得补全后的用户
‑
项目交互矩阵；以及基于所述补全后的用户
‑
项目交互矩阵来确定所述n个项目中针对所述m个用户的推荐项目；其中，m、n、k和g均为大于1的整数。2.根据权利要求1所述的项目推荐方法，还包括，针对所述m个用户中的单个用户：从所述修正后的用户
‑
项目
‑
表情符号交互张量中获取与针对该用户的推荐项目对应的表情符号；从所述相似度矩阵中获取与所获取的表情符号对应的情感标签；以及使用所获取的表情符号和所获取的情感标签来对针对该用户的推荐项目进行解释。3.根据权利要求1所述的项目推荐方法，其中，所述实际评价中的一个或多个实际评价包括评论文本，所述实际评价中的所述实际表情符号的种类数为k，其中，获取k个表情符号与g个情感标签的相似度矩阵包括：对所述实际评价中的所有评论文本和所有实际表情符号进行特征提取，以获得所有评论文本中的每个词语的第一特征向量以及所述k个表情符号中的每个表情符号的第二特征向量；从所述g个情感标签中确定每个词语对应的情感标签；针对所述g个情感标签中的每个情感标签，确定该情感标签对应的所有第一特征向量的局部均值向量；将每个情感标签对应的所述局部均值向量的均值确定为全局均值向量；从每个情感标签对应的所述局部均值向量中减去所述全局均值向量以得到更新后的
局部均值向量；确定与所述k个表情符号对应的所有第二特征向量的均值向量，并从每个表情符号对应的第二特征向量中减去所有第二特征向量的所述均值向量以得到更新后的第二特征向量；以及根据与所述k个表情符号中的每个表情符号对应的更新后的第二特征向量和与所述g个情感标签中的每个情感标签对应的更新后的局部均值向量的余弦相似度来构建所述相似度矩阵。4.根据权利要求1所述的项目推荐方法，其中，借助所述相似度矩阵对所述初始用户
‑
项目交互矩阵和所述初始用户
‑
项目
‑
表情符号交互张量进行联合分解包括联合求解以下4个式子：个式子：个式子：以及其中，o表示所述实际评分所在的维度，R
o
表示第o维度的初始用户
‑
项目交互矩阵，指示R
o
中的元素是否包括实际评分，P
o
表示第o维度的用户
‑
潜在因子矩阵，Q
o
表示第o维度的项目
‑
潜在因子矩阵，S表示所述初始用户
‑
项目
‑
表情符号交互张量，H
S
指示S中的元素是否包括实际表情符号，X表示表情符号
‑
潜在因子矩阵，L表示情感标签
‑
潜在因子矩阵，E表示所述相似度矩阵，diag(a)表示把向量a转换成一个对角值为a的矩阵，w1表示所述表情符号的所述第一权重向量，w2表示所述情感标签的所述第二权重向量，Ω表示包括所述实际评价的元素的位置，表示P
o
的第i列，表示Q
o
的第j列，||
·
||
ρ
表示正则化算子，*表示哈达玛乘积，表示矩阵中对应向量的外积和，λ和η是经验值。5.根据权利要求1所述的项目推荐方法，其中，根据所述估计的用户
‑
潜在因子矩阵、所述估计的项目
‑...

【专利技术属性】
技术研发人员：马江虹，王蓉，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：