[发明专利]一种面向信息茧房的跨领域推荐方法

说明书

本发明公开了一种面向信息茧房的跨领域推荐方法，包括：1、获取用户对产品评分的数据集并进行数据预处理；2、构建跨领域知识迁移推荐模型的跨域知识迁移模块；3、构建跨领域知识迁移推荐模型的目标域意外性提取模块；4、利用训练集的数据对模型进行训练，并根据测试结果调整优化模型的超参数；5、将测试集数据输入到训练好的模型中，对输出的全部物品预测得分排序，最后选择前N项产品推荐给用户。本发明可产生对于用户而言感到既相关又意外的推荐产品，在保证推荐准确性的同时也能提升推荐的意外性，从而能提升用户满意度。

技术领域

本发明属于推荐技术领域，具体涉及一种面向信息茧房的跨领域推荐方法。

背景技术

随着基于Web的社交媒体的发展，推荐系统已经变得无处不在，并逐渐成为用户与互联网交互过程中不可或缺的一部分。推荐系统过滤掉多余的信息，为消费者提供个性化的网络体验，并根据用户的个人兴趣或与用户近邻人群的历史偏好提供相关推荐内容。如今，推荐系统被用于多种类型的社交媒体平台中，如新闻、书籍和音乐等。同时，它们也是电子商务公司的重要营销技术，如豆瓣、亚马逊、阿里巴巴和Netflix等都在使用大量与推荐相关的技术。综上，推荐系统面向信息过载问题，有效地降低了消费者的搜寻成本和决策成本，提高了用户满意度，推动了社会商务的发展。

推荐系统可以准确地为用户找到相关物品。但是如果一味地向用户推荐相关性强的物品，久而久之，由于推荐系统的正强化作用，在线用户获得的信息或内容可能会越来越少，相应的用户的信息体验也会被逐渐削弱，最终导致视野窄化以及社会粘性缺失等现象，信息检索研究人员把这种现象称为信息茧房问题。而现有的推荐算法通常更多地关注于如何提高推荐的准确性，而较少关注其所可能引发的信息茧房问题。

针对信息茧房的问题，研究人员注意到推荐新颖多样的物品也会影响用户满意度，故认为推荐系统的“偶然发现”能力可以解决信息茧房的问题。但是，这些主要基于单个领域，旨在提升推荐系统“偶然发现”能力的研究，虽然在一定程度上可以避免用户陷入信息窄化的风险，从而缓解信息茧房问题，但是却往往存在推荐准确性不足的情况。目前，跨领域推荐系统正在迅速发展。

跨领域推荐系统可以将知识从源域迁移到目标域，既缓解数据稀疏性问题，还提高了推荐的准确性。而在实际应用中，例如电影和办公用品、电影和电子产品等语义关联不大，且语义异构性较强的这类弱语义匹配领域往往更为常见。此外，推荐准确性与推荐意外性的协同优化可以极大地提升顾客满意度，并且还可以有效缓解信息茧房问题。因此，引入跨领域推荐方法来全面平衡推荐准确性与多样性/意外性，以缓解信息茧房问题，正逐渐成为一个重要的研究主题。

发明内容

本发明针对现有面向信息茧房的推荐方法中存在的不足，提出了一种面向信息茧房的跨领域推荐方法，以期能在保证推荐准确性的前提下，同时提升推荐系统的“偶然发现”能力，从而平衡推荐准确性与推荐意外性，最终缓解信息茧房问题，为用户推荐感到既相关又意外的产品。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种面向信息茧房的跨领域推荐方法的特点在于，包括以下步骤：

步骤1、获取用户对产品的评分数据并进行数据预处理：

步骤1.1、确定两类属于不同领域的物品，并获得公共用户数据集U在两个领域物品上的评分数据集，其中，公共用户总数记为m；

步骤1.2、选择其中一个领域作为源域D_S，另一个作为目标域D_T，目标域D_T和源域D_S中的物品集分别表示为P和M，目标域D_T和源域中D_S的物品总数分别记为n_T和n_S；