[发明专利]一种基于主题模型分析与用户长短兴趣的推荐方法有效
| 申请号： | 201810190979.1 | 申请日： | 2018-03-09 |
| 公开（公告）号： | CN108446350B | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 王邦;高泽锋;徐明华 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/35;G06Q50/00 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 李智;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于主题模型分析与用户长短兴趣的推荐方法，包括：对活动文本集进行隐藏主题训练得到训练好的模型，计算得到所有类别的类特征主题分布；将用户长期、近期的活动文本输入训练好的模型，得到用户长期、近期活动主题特征向量，结合行为权重和时间衰减函数得到用户的长、短兴趣向量；根据用户的长兴趣向量和所有类别的类特征主题分布，得到长兴趣的余弦相似值，选取长兴趣的余弦相似值最高的TopM的类别，根据用户的短兴趣向量和TopM的类别中的活动，得到短兴趣的余弦相似值，根据短兴趣的余弦相似值，得到活动平台对用户的推荐活动。本发明在选取待推荐活动的时缩小了筛选范围，从而缩短了推荐计算的时间同时也能提高推荐的准确率。 | ||
| 搜索关键词： | 一种 基于 主题 模型 分析 用户 长短 兴趣 推荐 方法 | ||
【主权项】：
1.一种基于主题模型分析与用户长短兴趣的推荐方法，其特征在于，包括：(1)使用LDA模型对活动平台的活动文本集进行隐藏主题训练，得到训练好的模型，将活动文本集中的每个活动文本输入训练好的模型得到每个活动文本的特征向量；(2)根据活动平台的活动类别将活动文本集分类，得到每个类别的活动文本，对每个类别的活动文本的特征向量进行矢量相加，然后进行归一化处理，得到每个类别的类特征主题分布，进而得到所有类别的类特征主题分布；(3)将活动平台中用户长期的活动文本输入训练好的模型，得到用户长期活动主题特征向量，结合行为权重和时间衰减函数得到用户的长兴趣向量；将活动平台中用户近期的活动文本输入训练好的模型，得到用户近期活动主题特征向量，结合行为权重与时间衰减函数得到用户的短兴趣向量；(4)根据用户的长兴趣向量和所有类别的类特征主题分布，得到长兴趣的余弦相似值，选取长兴趣的余弦相似值最高的TopM的类别，根据用户的短兴趣向量和TopM的类别中的活动，得到短兴趣的余弦相似值，根据短兴趣的余弦相似值，得到活动平台对用户的推荐活动；所述长期大于等于六个月，所述近期为时间衰减函数中一个衰减周期。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学，未经华中科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810190979.1/，转载请声明来源钻瓜专利网。
