[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

说明书

一种物品推荐方法、计算机设备及计算机可读存储介质，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；获取每一评价信息与目标用户的关联关系，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；根据关联关系及每一评价信息的评论主题分布得到与目标用户对应的偏好主题分布；基于目标用户的偏好主题分布计算得到多个待选物品中的每个待选物品的预测评分；根据每个待选物品的预测评分从多个待选物品中选取至少一个物品推荐给目标用户。本申请基于评价信息与目标用户的关联关系进行物品推荐，物品推荐更精准，推荐效果更佳。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种物品推荐方法、计算机设备及计算机可读存储介质。

背景技术

推荐系统作为一种筛选信息的工具，存在于海量数据的基础上，可以有效解决信息过载的问题。推荐系统可以通过推荐算法从海量数据中挖掘出用户感兴趣的项目(如信息、服务、物品等)，并将结果推荐给用户，以满足用户的需求。

现有的协同过滤算法虽然可以减缓数据稀疏性和冷启动对推荐结果的影响，但是并没有考虑用户的兴趣可能发生变化或者物品的热度衰减等因素，导致推荐效果不佳，影响用户使用体验。

发明内容

有鉴于此，有必要针对物品推荐的准确性不高的技术问题，提供一种物品推荐方法、计算机设备及计算机可读存储介质。

本申请一实施例提供一种物品推荐方法，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；获取每一评价信息与目标用户的关联关系，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；根据关联关系及每一评价信息的评论主题分布得到与目标用户对应的偏好主题分布；基于目标用户的偏好主题分布计算得到多个待选物品中的每个待选物品的预测评分；根据每个待选物品的预测评分从多个待选物品中选取至少一个物品推荐给目标用户。

在一些实施例中，物品推荐方法还包括：对评价信息进行预处理，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；将经过预处理的评价信息进行文本向量化处理，得到与评价信息对应的向量。

在一些实施例中，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评价信息与所述词库表进行比对，得到与评价信息对应的V维向量；其中，预设比对规则包括：若评价信息包括词库表中的某个词，则词库表中的该词计数加n，n为该词在评价信息中出现的次数，n为正整数，若评价信息不包括词库表中的某个词，则词库表中的该词计数加0。

在一些实施例中，预设主题模型为LDA主题模型，与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为与目标用户u对应的偏好主题分布，A_ui为目标用户u对待选物品i的评价得分指标，B_ui为目标用户u对待选物品i的兴趣变化指标，C_ui为目标用户u对待选物品i的热度衰减指标，K_ui为LDA主题模型对待选物品i的评价信息提取到的K维评论主题分布，I_u为目标用户u评价过的物品集合。

在一些实施例中，目标用户u对待选物品i的评价得分指标基于目标用户u对待选物品i的评分换算得到，目标用户u对待选物品i的兴趣变化指标基于目标用户u对待选物品i的评分时间换算得到，目标用户u对待选物品i的热度衰减指标基于待选物品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。