[发明专利]物品推荐方法、计算机设备及计算机可读存储介质

权利要求书

1.一种物品推荐方法，其特征在于，所述方法包括：

获取多个待选物品的评价信息；

利用预设主题模型对所述多个待选物品的评价信息进行主题提取，得到每一评价信息的评论主题分布；

获取所述每一评价信息与目标用户的关联关系，所述关联关系包括评价得分指标、兴趣变化指标、热度衰减指标中的至少一者；

根据所述关联关系及所述每一评价信息的评论主题分布得到与所述目标用户对应的偏好主题分布；

基于所述目标用户的偏好主题分布计算得到所述多个待选物品中的每个待选物品的预测评分；

根据所述每个待选物品的预测评分从所述多个待选物品中选取至少一个物品推荐给所述目标用户。

2.如权利要求1所述的物品推荐方法，其特征在于，所述方法还包括：

对所述评价信息进行预处理，所述预处理包括分词处理、停用词剔除处理、词性标注处理、大小写转换处理、词性还原处理、词干提取处理中的至少一种；

将经过预处理的所述评价信息进行文本向量化处理，得到与所述评价信息对应的向量。

3.如权利要求2所述的物品推荐方法，其特征在于，所述将经过预处理的所述评价信息进行文本向量化处理，包括：

基于经过预处理的多个评价信息构建文本集；

利用预设词频统计算法从所述文本集中提取不重复的词，及基于提取到的词构建词库表，其中所述词库表包括V个词，V为正整数；

基于预设比对规则将经过预处理的所述评价信息与所述词库表进行比对，得到与所述评价信息对应的V维向量；

其中，所述预设比对规则包括：若所述评价信息包括所述词库表中的某个词，则所述词库表中的该词计数加n，n为该词在所述评价信息中出现的次数，n为正整数，若所述评价信息不包括所述词库表中的某个词，则所述词库表中的该词计数加0。

4.如权利要求1所述的物品推荐方法，其特征在于，所述预设主题模型为LDA主题模型，与所述目标用户对应的偏好主题分布通过以下算式计算得到：

其中，P_u为与所述目标用户u对应的偏好主题分布，A_ui为所述目标用户u对待选物品i的评价得分指标，B_ui为所述目标用户u对所述待选物品i的兴趣变化指标，C_ui为所述目标用户u对所述待选物品i的热度衰减指标，K_ui为所述LDA主题模型对所述待选物品i的评价信息提取到的K维评论主题分布，I_u为所述目标用户u评价过的物品集合。

5.如权利要求4所述的物品推荐方法，其特征在于，所述目标用户u对所述待选物品i的评价得分指标基于所述目标用户u对所述待选物品i的评分换算得到，所述目标用户u对所述待选物品i的兴趣变化指标基于所述目标用户u对所述待选物品i的评分时间换算得到，所述目标用户u对所述待选物品i的热度衰减指标基于所述待选物品i的被评分时间跨度、被用户u点击次数、被用户u评论次数及被用户u浏览时长换算得到。

6.如权利要求1所述的物品推荐方法，其特征在于，所述基于所述目标用户的偏好主题分布计算得到所述多个待选物品中的每个待选物品的预测评分，包括：

构建与所述目标用户近邻的相似用户集，其中所述相似用户集包括至少一个相似用户；

基于所述目标用户所评价的历史平均评分、所述相似用户所评价的历史平均评分、所述相似用户对所述待选物品的评分、所述待选物品的热度、所述目标用户的偏好主题分布及所述相似用户的偏好主题分布计算得到所述待选物品的预测评分。