[发明专利]一种基于图模型反馈更新的活动推荐方法

摘要

本发明公开了一种基于图模型反馈更新的活动推荐方法，所述方法包括：在初始时刻给定的M类数据类型的基础上，将每一个数据设为一个节点，共得到N个节点，然后将这N个节点按照数据类型划分为M份，即得到M种类型的节点集合，并根据各个节点间的关联性构建节点之间的连边，最终得到包含N个节点以及邻边的图模型，在图模型上根据多次迭代并收敛的概率进行活动推荐。在后续时刻获取到反馈信息，即节点之间的连边关系发生变化，选取发生变化的图模型部分再次对待推荐活动进行排序，并结合初次推荐结果完成最后的推荐。本发明能够有效的解决现有的活动推荐中，获取到用户反馈信息后不能及时做出调整并提高推荐准确率的问题。

主权项

1.一种基于图模型反馈更新的活动推荐方法，其特征在于，包括：根据预设数据集中的标签所标注的活动、用户小组和主办方的信息，通过非加权组平均法将相似标签聚类为若干个主题，作为主题节点S；根据所述预设数据集中的活动的特征属性为每个活动匹配最相似的前若干个活动，并构建活动与其邻近活动之间的有向连边；在初始时刻，利用U,E,H,G,S节点以及各节点之间的连边构建出初始图模型PG，并在所述初始图模型PG上进行从目标用户节点出发的带重启动的随机游走，将得到活动节点的收敛概率作为所述目标用户对活动的第一个时刻的评分，其中，U,E,H,G分别表示所述预设数据集中的用户、活动、主办方以及用户小组所构成的节点；在下一时刻，根据所述目标用户的反馈信息，构建反馈图模型FG，在所述反馈图模型FG上进行从所述目标用户节点出发的带重启动的随机游走，将得到活动节点的收敛概率作为所述目标用户对活动的第二个时刻的评分，其中，所述反馈图模型FG包含用户和活动节点，以及用户与活动之间的连边；由所述初始图模型PG的信息熵和所述反馈图模型FG的信息熵得到所述初始图模型PG和所述反馈图模型FG对推荐结果影响的权重，并由所述权重、所述第一个时刻的评分以及所述第二个时刻的评分预测目标用户对每个活动的兴趣程度，并向所述目标用户推荐前若干位的活动。