[发明专利]一种利用多模态网络学习进行基于社交关系的电影推荐的方法

说明书

本发明公开了一种利用多模态网络学习进行基于社交关系的电影推荐的方法。主要包括如下步骤：1)针对于一组视频、用户，构建含有其相关关系的SMR网络。并且针对于形成的SMR网络构建采样路径，并针对于采样路径中的电影及用户节点形成电影的综合表达与用户的映射表达，随后针对于预定义的损失函数进行更新，求得最终的用户表达与电影综合表达。2)对于得到的用户表达及电影的综合表达，产生对于用户的电影推荐。相比于一般的电影推荐解决方案，本发明提取了电影的多模态信息并且针对于用户形成了最终的有效用户表达，则能够更准确地反映用户与电影的特性，并产生更加符合要求的电影推荐。本发明在电影推荐问题中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及电影推荐生成，尤其涉及一种利用多模态网络学习进行基于社交关系的电影推荐的方法。

背景技术

随着网络电影工业地发展，基于社交关系的电影推荐系统成为一种重要的在线网络服务，该服务的目标是针对于每一名用户，基于其社交关系推荐相关的电影。

现有的技术主要是针对于用户的反馈与电影的一些人工选择的特征来构建用户电影推荐模型，该方法受困于缺乏对于多模态电影内容的有效可区分特征及基于社交关系的电影推荐系统的稀疏性。

本发明将采用一种以随机游走为基础的学习方法来构建多模态的神经网络从而学习出多模态电影内容的表达及用户的推荐模型。利用所学习出的电影内容表达与用户的模型来进行基于社交关系的电影推荐。

本方法将先针对于构建的异质的社交关系电影推荐网络(SMR网络)，利用随机游走的方法构建样本路径。之后针对于路径中的电影节点利用VGG网络与LSTM网络分别提取电影的海报信息及电影的描述信息并合成为电影的综合表达，针对于路径中的用户节点构建用户映射矩阵，再针对于预定义的目标函数求出损失值，利用SGD的方法对于用户及电影矩阵进行更新。经过多次的更新之后，获取最终的用户映射与电影映射。利用最终形成的用户映射与电影映射对于用户进行电影的推荐排序。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中缺乏对于多模态电影内容的有效可区分特征及基于社交关系的电影推荐系统的稀疏性的问题，本发明提供一种多模态网络学习进行基于社交关系的电影推荐的方法。本发明所采用的具体技术方案是：

利用多模态网络学习来解决基于社交关系的电影推荐的问题，包含如下步骤：

1、针对于一组电影、用户，依据用户之间的相互关注关系、用户对于电影的评价构建含有其相关关系的SMR网络。

2、利用随机游走的方法，针对于SMR网络构建采样路径并进行如下操作：对于所采样路径中的电影节点，利用其海报及描述信息形成电影描述映射，对于用户节点，生成用户的描述映射。对于电影及用户的描述映射求出损失值，并进行梯度下降求解获取最终的用户及电影表达。

3、利用学习得到的用户及电影表达形成用户的电影推荐。

上述步骤可具体采用如下实现方式：

1、对于所给出的视频及用户集合，按照实际数据集中的相互关系形成异质的SMR网络。

2、对于构建完成的SMR网络，利用随机游走的方法，针对于每一个节点进行采样，形成采样的路径。进行路径采样时，限定只可以从被关注者到关注者进行采样，因为本发明认为，只有被关注者的喜欢的电影倾向会影响关注者喜欢的电影倾向。