[发明专利]一种基于协同训练的融合评分信息和物品内容的推荐方法

摘要

本发明提出了一种基于协同训练的融合评分信息和物品内容的推荐方法，通过挖掘用户评论的情感倾向，以实现对用户原始评分偏离用户真实兴趣偏好的纠正，采用观点预过滤方法对该物品的情感倾向进行综合评分度量。对物品内容描述的文本信息进行挖掘，利用神经网络的方法将其表示成为分布式的段落向量，实现对物品内容的相似度计算，进而构建基于物品内容的推荐模型。本发明利用协同训练策略实现对两个推荐因素的融合，并在协同训练中增加了基于置信度估计与聚类分析的数据选择策略，尽量消除迭代训练中加入到训练数据池中的数据分布偏差。根据推荐预测模型的综合评分和物品的相似度，对初始推荐结果进行过滤和排序，从而得到最终推荐结果。

主权项

1.一种基于协同训练的融合评分信息和物品内容的推荐方法，其特征在于，包括如下步骤：S1、获取用户对物品的评论文本及用户对物品的评分，基于用户对物品的评分建立用户评分矩阵，初始化迭代次数为1，执行S2；S2、基于用户对物品的评论文本建立用户情感倾向评分矩阵,执行S3；S3、基于用户情感倾向评分矩阵更新用户评分矩阵，执行S4；S4、基于用户评分矩阵生成数据训练集，执行S5；S5、获取物品描述文本，基于物品描述文本生成物品描述向量，执行S6；S6、基于物品描述向量及数据训练集更新用户评分矩阵，执行S7；S7、将迭代次数加1，判断迭代次数是否大于或等于预设迭代次数，当迭代次数大于或等于预设迭代次数，执行S8，否则，执行S3；S8、对用户评分矩阵中物品的评分进行排序并推荐。