一种基于耦合主题模型的协同滤波方法

摘要

本发明公开了一种基于耦合主题模型的协同滤波方法，用于在推荐系统中有效结合历史评分信息与用户生成内容(User-generated Content，简称UGC)，通过进行评分预测进行有效推荐。该方法包括以下步骤：1)获取用户生成内容的记录；2)获取用户对产品的评分记录；3)提取用户文档和产品文档；4)利用耦合主题模型学用户特征向量和产品特征向量；5)根据特征向量计算目标用户对不同产品的评分，来进行相应的产品推荐。本发明引入对用户生成内容信息的分析，能够直接的显式的发现用户兴趣和产品属性，而且有效解决了评分矩阵的稀疏问题，获得比基于用户评分信息的预测更准确的效果。

主权项

1.一种基于耦合主题模型的协同滤波方法，其特征在于，该方法包括以下步骤：步骤S1，获取用户生成内容记录，每个用户生成内容对应特定的用户和产品；步骤S2，获取用户对产品的历史评分信息，将部分历史评分信息作为训练集，剩下的作为测试集，分别构建不完全观测评分矩阵，即根据部分用户对部分产品的评分构建不完全观测评分矩阵，得到的训练集评分矩阵R作为耦合主题模型的评分输入；步骤S3，根据用户生成内容，提取用户文档d_U和产品文档d_V，其中，所述用户文档d_U为与用户有关的用户生成内容，所述产品文档d_V为与产品有关的用户生成内容，每个文档使用其包括的单词的词频来表示，并将每个文档的词袋表达向量W_U和W_V建模为可见单元，作为耦合主题模型的内容输入；步骤S4，结合所述步骤S2得到的训练集评分矩阵R和所述步骤S3得到的用户文档d_U、产品文档d_V，利用耦合主题模型学习得到用户特征向量η_U和产品特征向量η_V；步骤S5，根据步骤S4得到的用户特征向量η_U和产品特征向量η_V，利用计算用户对不同产品的评分，然后将得到的预测评分与测试集评分进行对比，衡量所述耦合主题模型的可靠性，最后针对特定用户，根据预测评分的高低得到推荐产品列表，从而进行产品推荐。