CN104199836B - 一种基于子兴趣划分的标注用户模型建构方法 - Google Patents

Abstract

本发明提供一种基于子兴趣划分的标注用户模型建构方法，包括步骤：获取网站用户标注数据，建立标注资源信息数据库；建立资源向量空间模型；对资源向量空间模型进行资源聚类；根据聚类资源结果进行用户子兴趣划分；构建用户模型；将用户模型嵌入标签网站后台，根据用户模型与资源模型的余弦相似度进行资源推送。本发明更多地考虑到用户存在兴趣的多样性，突破用户模型单一化的表现形式，细化了用户模型的描述粒度，减少了单一模型中多个标签混合造成的语义混乱问题，从而帮助标签网站推出更为有效的用户个性化信息服务，将依据本发明的方法所建立的标注用户模型应用到标签网站的推荐系统中，能够极大提高推荐系统的推荐准确性和推荐效率。

Description

一种基于子兴趣划分的标注用户模型建构方法

技术领域

本发明涉及社会化标注技术，具体涉及一种基于子兴趣划分的标注用户模型建构方法。

背景技术

电子商务作为一种新兴的商务模式已经越来越受到人们的普遍认可并蓬勃发展。个性化推荐技术作为用户在海量商务信息中获取偏好商品信息的重要手段，近年来受到了广泛的关注。几乎所有的大型电子商务系统如Amazon、淘宝等均不同程度的使用了各种推荐系统。随着各种Web2.0应用的深入发展，普通用户越来越成为信息内容的重要生产者，Delicious、Flickr、YouTube等Web2.0网站不断涌现，社会化标注(Social Tagging)也成为了电子商务个性化推荐研究一个新的着手点。

社会化标注系统中的用户模型是各类推荐系统进行个性化推荐的重要依据之一，因此用户模型的建立对于推荐系统能否进行准确及时有效的推荐至关重要。当前，基于社会化标注的用户建模的研究仍处在一个兴起阶段。在已有的研究中，多数的研究是将用户兴趣作为同一维度加以处理，而事实上，用户往往有着多个不同的兴趣点。如某一用户不仅对计算机编程充满兴趣，同时也关注旅游摄影方面的信息，如果将该用户的兴趣标签置于同一维度模型中，将很有可能导致标签间的语义混乱，从而降低个性化推荐的效果。现有的方法有：一是基于矩阵的处理建立用户模型。矩阵的表示方法在社会网络的文献中非常流行，具体的方法包括：通过标签-资源矩阵和LSA方法来进行的，利用HOSVD算法将用户、标签、资源吸收到同一框架中进行分析的，以及通过矩阵扩展的方法等。二是基于聚类分析建立用户模型。具体的方法包括通过紧密度(affinity)计算标签之间的相关性并将相关标签进行聚类，也有研究通过计算目标用户和其他用户的余弦相似性并结合朴素贝叶斯法，得出资源对用户的推荐度。还有研究则是通过资源聚类展开，通过对用户所标注资源进行内容聚类，实现个性化推荐。三是基于网络来建立用户模型，包括借助网络二分图、无向权图实等方法，但是这些方法都没有考虑用户兴趣的多面性，尤其是在向量空间模型中，由于没有对用户兴趣进行区分而将标签在同一向量中混合处理，造成了标签间的语义混乱问题，在实际应用中，往往导致标注网站将不甚相关的资源推荐给用户，影响了用户满意度。

发明内容

本发明所要解决的技术问题是提供一种基于子兴趣划分的标注用户模型建构方法，能够为现有的推荐系统提供更为细粒度的用户模型，提高推荐系统的准确性和推荐效率。

本发明为了解决上述技术问题所采用的技术方案为：

一种基于子兴趣划分的标注用户模型建构方法，包括以下步骤：

1)从标签网站提供的API端口爬取网站用户标注数据，对用户添加过标签的资源信息(URLs)进行统计，建立标注资源信息数据库；

其中，标签网站是指允许普通用户为资源添加标签的网站；

2)对用户所标注的每个资源建立向量空间模型；

3)对步骤2)中所建立的向量空间模型进行资源聚类；

4)根据步骤3)得到的聚类资源结果进行用户子兴趣划分；

5)基于步骤4)划分的用户子兴趣构建用户模型；

6)将用户模型嵌入标签网站后台，根据用户模型与资源模型的余弦相似度进行资源推送。

在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：

所述步骤2)具体包括以下步骤：

2.1)：选取标签网站中的一个目标用户，从步骤1)建立的标注资源信息数据库中获取其标注的所有资源信息，建立资源集合Set_R；

2.2)：统计资源集合Set_R中每一资源r中所有标签的出现频率；

2.3)：应用TF-IDF算法，计算资源r中所有标签的权值w并确定主流标签Pop_T；

TF-IDF是一种权值计算方法，根据目标的标签频率与反向频率来确定其权值，这是一种全局方法，需要具备标注系统内所有资源及其标签的信息。主流标签Pop_T是指每个资源中权值最高的若干个标签，是作为有限计算量下代表资源特征的一种处理方法。

2.4)：构建资源r的向量空间模型r(t_m,w_m)，其中，t_m表示该模型中所包含的第m个标签，w_m为对应的权重。

资源模型以向量空间模型的方式表示，r(t_m,w_m)＝(w₁,w₂,…,w_m)。

所述步骤3)包括以下具体步骤：

3.1)：选取一个资源集合Set_R，计算其中任意两个不同向量r_i与r_j的余弦相似度Sim_ij；

3.2)：根据Set_R内资源所对应的向量间的余弦相似度Sim_ij，建立对称矩阵Data_Sim；

3.3)：应用派系过滤算法的社团发现算法对Data_Sim进行聚类，得到类别数C；

3.4)：根据每一资源集合所属的不同类别，统计每一类别C中所包含的资源集合，构成聚类资源集Sub_Set_R。

所述步骤4)具体包括以下步骤：

4.1)：依据步骤2.3)，获取聚类资源集Sub_Set_R中每一资源的向量空间模型主流标签Pop_T及权值w；

4.2)：根据聚类资源集Sub_Set_R中所有资源的主流标签及其权值，得到主流标签和权值汇总表；

4.3)：从主流标签和权值汇总表中提取权值最大的p个标签Tag^p及相应的权值w^p；

4.4)：对步骤4.3)中的p个标签所对应的权值w^p进行归一化处理得到wⁿ，得到用户子兴趣模型Sub(u)＝(Tag^p,wⁿ)；

4.5)：重复步骤4.1)-4.4)，直至执行结束C中所有的类别，得到C个用户子兴趣模型。

所述步骤5)具体包括以下步骤：

5、如权利要求1所述的一种基于子兴趣划分的标注用户模型建构方法，其特征在于：所述步骤5)具体包括以下步骤：

5.1)：确定每一Sub(u)在整个用户模型中的兴趣度Int_Sub(u)；

其中，M为目标类中资源的个数，用户总的资源收藏数为N，r_i为第i个资源中用户所标注的标签个数，C为聚类的类别数。

5.2)：生成用户模型u＝＜Sub(u),Int_Sub(u)＞；

其中，用户模型由多个用户子兴趣模型组成，用向量空间模型的形式表示。

所述步骤6)具体包括以下步骤：

6.1)：将用户模型嵌入标签网站后台，根据步骤2.3)-2.4)生成待推荐资源的资源模型；

6.2)：根据步骤3.1)计算用户模型与资源模型间的余弦相似度，推送相似度最高的k个资源给用户。

本发明的有益效果是：本发明基于用户标注行为，通过计算两两资源间的余弦相似度，并应用派系聚类分析对资源进行聚类分析，将不同的资源类对应为用户的子兴趣。之后，提出了子兴趣度的概念并给出了计算方式，将用户的整体兴趣表示为子兴趣集合的形式，提出一种更为细粒度的用户建模方法，能够帮助Web2.0网站提供更为有效的个性化信息推荐服务。与现有技术相比，本发明更多地考虑到用户存在兴趣的多样性，突破用户模型单一化的表现形式，细化了用户模型的描述粒度，减少了单一模型中多个标签混合造成的语义混乱问题，从而帮助标签网站推出更为有效的用户个性化信息服务，将依据本发明的方法所建立的标注用户模型应用到标签网站的推荐系统中，能够极大提高推荐系统的推荐准确性和推荐效率。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种基于子兴趣划分的标注用户模型建构方法，包括以下步骤：

1)从标签网站提供的API端口爬取网站用户标注数据，对用户添加过标签的资源信息(URLs)进行统计，建立标注资源信息数据库，包括用户、资源及标签数据；

2)对用户所标注的每个资源建立向量空间模型，包含如下过程：

2.1)：选取标签网站中的一个目标用户，从步骤1)建立的标注资源信息数据库中获取其标注的所有资源信息，建立资源集合Set_R；

2.2)：统计资源集合Set_R中每一资源r中所有标签的出现频率；

2.3)：应用TF-IDF算法，计算资源r中所有标签权值w并确定m个权值最高的标签为主流标签Pop_T；

TF-IDF的权值计算方法，是根据目标的标签频率与反向频率来确定其权值，这是一种全局方法，需要具备标注系统内所有资源及其标签的信息。主流标签Pop_T是指每个资源中权值最高的若干个标签，是作为有限计算量下代表资源特征的一种处理方法。

2.4)：构建资源r的向量空间模型r(t_m,w_m)，其中，t_m表示该模型中所包含的第m个标签，w_m为对应的权重；

资源模型以向量空间模型的方式表示，r(t_m,w_m)＝(w₁,w₂,…,w_m)。

3)依据步骤2)中所建立的资源模型，建立相似度矩阵，应用派系过滤算法中的社区发现算法进行资源聚类，包含如下过程：

3.1)：选取一个资源集合Set_R，计算其中任意两个不同向量r_i与r_j的余弦相似度Sim_ij；

其中，资源r_i，r_j共同具有的标签集合用I_ij表示，w_i,a表示用户u中标签a的权值，w_j,a表示资源r中标签a的权值。和分别表示资源r_i，r_j向量中标签a的平均权值。

3.2)：根据Set_R内资源所对应向量间的Sim_ij，建立对称矩阵Data_Sim，将大于设定阈值h的Sim_ij赋值到矩阵中；

其中，r_n是指第n个资源的向量空间模型，Sim_n(n-1)是指第n与n-1个资源模型间的余弦相似度。

3.3)：通过将Data_Sim矩阵作为邻接矩阵，将其转化为以资源为点，余弦相似度为边的网络。在此基础上，通过派系过滤算法对网络进行聚类分析，得到相似资源的集合，以及集合类别数量C；

3.4)：根据每一资源集合所属的不同类别，统计每一类别C中所包含的资源集合，构成聚类资源集Sub_Set_R。

4)根据步骤3)得到的聚类资源集进行子兴趣划分，包括以下过程：

4.1)：依据步骤2.3)，获取聚类资源集Sub_Set_R中每一资源的向量空间模型主流标签Pop_T及权值w；

4.2)：根据Sub_Set_R中所有资源的主流标签及其权值，得到主流标签和权值汇总表；

4.3)：从主流标签和权值汇总表中提取权值最大的p个标签Tag^p及相应的权值w^p；

4.4)：对步骤4.3)中的p个标签所对应的权值w^p进行归一化处理得到wⁿ，得到用户子兴趣模型Sub(u)＝(Tag^p,wⁿ)；

4.5)：重复步骤4.1)-4.4)，直至执行结束C中所有的类别，得到C个用户子兴趣模型；

用户模型由多个用户子兴趣模型组成，用向量空间模型的形式表示。

5)基于步骤4)划分的子兴趣构建用户模型，包括以下过程：

5.1)：确定每一Sub(u)在整个用户模型中的兴趣度Int_Sub(u)；

其中，M为目标类中资源的个数，用户总的资源收藏数为N，r_i为第i个资源中用户所标注的标签个数，C为聚类的类别数。

5.2)：生成用户模型u＝(Sub(u),Int_Sub(u))。

其中，用户模型采用向量空间模型的表示形式。

6)基于步骤5)进行资源推荐，包括以下过程：

6.1)：将用户模型嵌入标签网站后台，根据步骤2.3)-2.4)生成待推荐资源的资源模型；

6.2)：根据步骤3.1)计算用户模型与资源模型间的余弦相似度，推送相似度最高的k个资源给用户。

Claims (3)

1.一种基于子兴趣划分的标注用户模型建构方法，其特征在于：包括以下步骤：

1)从标签网站提供的API端口爬取网站用户标注数据，对用户添加过标签的资源信息进行统计，建立标注资源信息数据库；

2)对用户所标注的每个资源建立向量空间模型；

3)对步骤2)中所建立的向量空间模型进行资源聚类；

4)根据步骤3)得到的资源聚类结果进行用户子兴趣划分；

5)基于步骤4)划分的用户子兴趣构建用户模型；

6)将用户模型嵌入标签网站后台，根据用户模型与资源模型的余弦相似度进行资源推送；

所述步骤2)具体包括以下步骤：

2.1)：选取标签网站中的一个目标用户，从步骤1)建立的标注资源信息数据库中获取其标注的所有资源信息，建立资源集合Set_R；

2.2)：统计资源集合Set_R中每一资源r中所有标签的出现频率；

2.3)：应用TF-IDF算法，计算资源r中所有标签的权值w并确定主流标签Pop_T；

2.4)：构建资源r的向量空间模型r(t_m,w_m)，其中，t_m表示该模型中所包含的第m个标签，w_m为对应的权重；

所述步骤3)包括以下具体步骤：

3.1)：选取一个资源集合Set_R，计算其中任意两个不同向量r_i与r_j的余弦相似度Sim_ij；

3.2)：根据Set_R内资源所对应的向量间的余弦相似度Sim_ij，建立对称矩阵Data_Sim；

3.3)：应用派系过滤算法的社团发现算法对Data_Sim进行聚类，得到类别数C；

3.4)：根据每一资源集合所属的不同类别，统计每一类别C中所包含的资源集合，构成聚类资源集Sub_Set_R；

所述步骤4)具体包括以下步骤：

4.1)：依据步骤2.3)，获取聚类资源集Sub_Set_R中每一资源的向量空间模型主流标签Pop_T的权值w；

4.2)：根据聚类资源集Sub_Set_R中所有资源的主流标签及其权值，得到主流标签和权值汇总表；

4.3)：从主流标签和权值汇总表中提取权值最大的p个标签Tag^p及相应的权值w^p；

4.4)：对步骤4.3)中的p个标签所对应的权值w^p进行归一化处理得到wⁿ，得到用户子兴趣模型Sub(u)＝(Tag^p,wⁿ)；

4.5)：重复步骤4.1)-4.4)，直至执行结束C中所有的类别，得到C个用户子兴趣模型。

2.如权利要求1所述的一种基于子兴趣划分的标注用户模型建构方法，其特征在于：所述步骤5)具体包括以下步骤：

5.1)：确定每一Sub(u)在整个用户模型中的兴趣度Int_Sub(u)；

其中，M为目标类中资源的个数，用户总的资源收藏数为N，r_i为第i个资源中用户所标注的标签个数，C为聚类的类别数；

5.2)：生成用户模型u＝＜Sub(u),Int_Sub(u)＞；

用户模型由多个用户子兴趣模型组成，用向量空间模型的形式表示。

3.如权利要求1所述的一种基于子兴趣划分的标注用户模型建构方法，其特征在于：所述步骤6)具体包括以下步骤：

6.1)：将用户模型嵌入标签网站后台，根据步骤2.3)-2.4)生成待推荐资源的资源模型；

6.2)：计算用户模型与资源模型间的余弦相似度，推送相似度最高的k个资源给用户。