[发明专利]一种基于混合去噪自编码器的推荐方法和系统

说明书

一种基于混合去噪自编码器的推荐方法和系统，通过将用户‑项目评分数据输入预先训练好的生成对抗网络中以补全用户‑项目评分数据中的缺失值，对于每个用户，将其对各项目的评分值按从大到小的顺序排序生成推荐列表。使用自编码器来作为生成对抗网络的生成器，并且在训练时对原始用户‑项目评分数据进行加噪，使用加噪后的用户‑项目评分数据来进行训练，提高了生成对抗网络的鲁棒性，自编码器和生成对抗网络的混合使用可以实现取长补短，充分发挥各自的优势，学习到评分数据的更深层特征，训练后所得到的生成对抗网络可以充分学习带噪声和去噪声数据的差异，实现对用户‑项目评分数据的补全，缓解数据稀疏问题。

技术领域

本发明涉及推荐系统技术领域，具体涉及一种基于混合去噪自编码器的推荐方法和系统。

背景技术

推荐系统在电商平台、音乐平台和视频软件等各种人机交互系统中发挥着辅助用户决策和促进系统服务发展的关键性作用。一个性能出色的推荐算法不但可以为用户提供令其更加满意的用户体验，而且还能为商家企业等服务提供商带来巨大的经济收益。因此，提高推荐准确性变得尤为重要。传统推荐系统大都根据用户对各个项目进行评分得到的用户-项目评分数据来进行推荐，然而并不是每个用户都会给每个项目打分，因此用户-项目评分数据存在着严重的数据稀疏问题，如何解决此类问题已经成为当下推荐系统领域研究的工作重点。

发明内容

本发明提供一种基于混合去噪自编码器的推荐方法和系统，用于补全用户-项目评分数据中的缺失值以缓解数据稀疏问题。

根据第一方面，一种实施例中提供一种基于混合去噪自编码器的推荐方法，包括：

获取用户-项目评分数据；

将所述用户-项目评分数据输入预先训练好的生成对抗网络中以补全所述用户-项目评分数据中的缺失值；

对于每个用户，将其对各项目的评分值按从大到小的顺序排序以生成推荐列表；

输出所述推荐列表；

其中所述生成对抗网络包括生成器和判别器，所述生成器为一自编码器，所述生成对抗网络通过以下方式训练得到：

获取具有完备评分值的原始用户-项目评分数据；

在所述原始用户-项目评分数据中加入噪声以得到加噪用户-项目评分数据；

将所述原始用户-项目评分数据作为真实样本、将所述加噪用户-项目评分数据作为噪声样本，根据预设的目标函数进行训练，得到所述生成对抗网络。

一种实施例中，所述将所述原始用户-项目评分数据作为真实样本、将所述加噪用户-项目评分数据作为噪声样本，根据预设的目标函数进行训练，得到所述生成对抗网络，包括：

生成器训练步骤，固定所述判别器的参数，将所述加噪用户-项目评分数据输入所述生成器中以得到去噪用户-项目评分数据X_N，将所述去噪用户-项目评分数据X_N输入所述判别器中，根据预设的第一目标函数，通过反向传播算法更新所述生成器的参数，其中N表示所述自编码器的层数；

判别器训练步骤，固定所述生成器的参数，将所述加噪用户-项目评分数据输入所述生成器中以得到去噪用户-项目评分数据X_N，将所述去噪用户-项目评分数据X_N和所述加噪用户-项目评分数据输入所述判别器中，根据预设的第二目标函数，通过反向传播算法更新所述判别器的参数；

交替执行所述生成器训练步骤和所述判别器训练步骤，直到所述第一目标函数和所述第二目标函数收敛。

一种实施例中，所述第一目标函数为：

其中