[发明专利]一种社交信息动态融合的社会化推荐方法

权利要求书

1.一种社交信息动态融合的社会化推荐方法，其特征在于，包括：

接收目标用户的商品推荐请求，导入目标用户及其朋友的交互列表，并将交互列表中的商品id映射到项目隐空间，获得用户及朋友交互列表中每个商品的嵌入特征，将用户id和朋友id映射到用户隐空间得到用户的长期兴趣特征及任一朋友的长期兴趣特征；

利用交互商品嵌入特征构建用户及朋友的每一时刻的短期兴趣向量；

通过所述用户短期兴趣向量融合朋友短期兴趣向量，生成用户动态特征向量；通过所述用户短期兴趣向量融合朋友长期兴趣向量得到用户静态特征向量；

将用户动态特征向量与用户静态特征向量，融合得到用户最终兴趣特征向量；

计算所述用户兴趣特征与所有商品特征的相似度，将最佳近似的商品特征作为预测结果，根据预测结果，将相似度最大的前K项商品id推荐给用户；

在利用所述交互商品嵌入特征构建用户及朋友的短期兴趣向量的步骤中，用户及朋友在t时刻的短期兴趣向量和构建过程为：

其中，和为投影矩阵，d是潜在空间的维度，除以是为了防止因维度过大而导致内积的结果过大，表示t时刻之前的用户商品交互嵌入；soft max是归一化函数，为其中为投影矩阵，为偏置项，Relu为激活函数；

用户动态特征向量表示为：

其中W_s¹、W_s²和是投影矩阵，表示t时刻之前用户朋友的短期兴趣；

为时间敏感值，公式表示为：

其中时间t和t_a的基本时间单位是周，为朋友a的行为对应的时间；

用户静态特征向量表示为：

其中和是投影矩阵，V^u＝[V^u,V^a,…,V^b]表示用户朋友的长期兴趣特征集合，J^u＝[J^u,a,…,J^u,b]表示用户与朋友的杰卡德相似度系数；

杰卡德相似度系数公式表示为：

其中R^u表示用户u交互商品的集合，∩和∪分别表示交和并操作。

2.根据权利要求1所述的社交信息动态融合的社会化推荐方法，其特征在于，在将交互列表中的商品id映射到一项目隐空间的步骤中，包括步骤：

用户的交互列表设定为好友的交互列表设定为其中，a,b∈F表示用户的朋友集合；

构建d维的项目隐空间和用户隐空间，将交互列表映射到d维的项目隐空间并加入位置嵌入来保留位置信息，得到用户及朋友交互列表中每个商品的嵌入特征，表示为H^u＝h^u+I，其中表是位置信息嵌入；

将用户id和朋友id映射到用户隐空间得到用户的长期兴趣特征V^u及朋友的长期兴趣特征V^a。

3.根据权利要求1所述的社交信息动态融合的社会化推荐方法，其特征在于，用户最终兴趣特征向量表示为：

其中表示用户u在t+1时预测的用户最终兴趣特征向量，α和β为自学习的权重参数。

4.根据权利要求3所述的社交信息动态融合的社会化推荐方法，其特征在于，用户兴趣特征与所有商品特征的相似度为：

其中hⁱ表示商品i在项目隐空间的嵌入特征。

5.根据权利要求1所述的社交信息动态融合的社会化推荐方法，其特征在于，在构建项目隐空间和商品隐空间的步骤中，还包括：

根据用户最终兴趣特征向量和用户交互商品嵌入特征来构建损失函数：

其中是用户的t+1时刻的交互商品，j是用户从未交互过的商品，θ(x)＝1/(1+e^-x)，将预测的喜好程度调整至(0,1)区间；

最小化损失函数，优化得到最佳的商品隐空间、用户隐空间及投影矩阵；其中，最小化优化函数的优化算法采用Adam优化算法。