CN104679835B - 一种基于多视图哈希的图书推荐方法 - Google Patents

Abstract

本发明公开了一种基于多视图哈希的图书推荐方法，包括如下步骤：1）从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；2）构建用户在点击和搜索视图上的用户特征向量；3）利用两个视图的行为数据，通过多视图哈希算法得到用户哈希编码、哈希函数以及两个视图的权重；4）利用得到的用户哈希编码为目标用户寻找相似用户；5）得到相似用户点击的图书集合，作为推荐候选列表，计算目标用户对图书的偏好程度，返回目标用户偏好程度最大的前N本图书。本发明可以将用户在两个视图的行为数据整合到哈希编码中，提高图书推荐准确性；另一方面，哈希编码的汉明距离计算速度很快，可以提高图书推荐的效率。

Description

一种基于多视图哈希的图书推荐方法

技术领域

本发明涉及基于多视图哈希的图书推荐技术，尤其涉及一种基于多视图哈希的图书推荐方法。

背景技术

随着信息技术的发展，内容的创建和分享变得越来越容易，这可以让人们获得更多的信息，满足了人们的需求，但是用户在面对互联网上的海量信息时，无法准确地从中获得自己需要的信息，这会使互联网上信息的利用效率下降，这就是所谓的信息过载问题。个性化推荐系统的出现就是为了解决这个问题的。推荐系统会根据用户的信息，分析用户的信息需求点、兴趣爱好点，将特定的一些产品或者信息推荐给用户。数字图书馆的用户在面对大量增长的在线图书资源时，也会面临这个问题，即用户不知道如何寻找自己感兴趣的书籍。

挖掘用户的兴趣点通常是根据用户历史的行为数据，传统的方法一般是利用了用户在某一个视图上的数据，而没有考虑将多个视图的用户行为数据整合在一起，另一方面，传统的推荐方法是基于高维的特征向量来计算的，效率不高。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于多视图哈希的图书推荐方法。

本发明的目的是通过以下技术方案来实现的：一种基于多视图哈希的图书推荐方法，包括以下步骤：

(1)从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；

(2)利用用户的点击数据和搜索数据，构建用户在点击视图和搜索视图上的用户特征向量；

(3)利用用户在两个视图上的用户特征向量，通过多视图哈希算法学习得到用户的哈希编码、两个视图上的哈希函数以及各个视图的权重；

(4)利用得到的用户哈希编码为目标用户寻找相似用户；

(5)得到相似用户的图书集合，作为推荐图书的候选列表，计算目标用户对候选列表中的图书的偏好程度，返回目标用户偏好程度最大的前N本图书。

进一步地，所述的步骤2具体为：从用户点击数据中得到所有用户的图书点击集合B＝{b₁,b₂,...,b_x}，其中x为图书总数，再根据用户点击数据和B，构建出每个用户点击视图的特征向量X₁，X₁＝[I₁,I₂,...,I_x]其中利用所有用户的搜索数据，首先将用户所有的搜索词分词，得到所有用户的搜索词集合Q＝{q₁,q₂,...,q_y}，y表示分词后所有搜索词个数，然后利用工具word2Vec以及weka将这些词聚类，得到a个类，a为自然数，最后构建出用户在搜索视图的特征向量X₂，X₂＝[I₁,I₂,...,I_a]，其中I_j＝用户的搜索词在类j中的占比，j＝1,2,…,a。

进一步地，所述的步骤3包括以下子步骤：

(3.1)初始化点击视图和搜索视图的权重α_p，α_p＝0.5,p＝1,2；

(3.2)根据X₁和X₂构建链接矩阵

(3.3)根据构建正规图拉普拉斯矩阵

(3.4)计算得到

(3.5)计算矩阵H(α)的k个对应特征值最小的特征向量，k为最终用户哈希编码的位数；根据特征向量生成用户哈希编码矩阵U；

(3.6)计算得到哈希函数

(3.7)根据二次规划方法更新权重α；如果没有收敛，重复步骤3.4到步骤3.7，如果已经收敛，则得到最终的

进一步地，所述的步骤4具体为：目标用户的哈希编码如果可在步骤3生成的U中找到，则直接计算目标用户与U中的所有其他用户的哈希编码之间的汉明距离，否则首先得到目标用户两个视图的特征向量，再利用步骤3中得到的哈希函数和权重α生成哈希编码，然后计算目标用户与U中的所有用户的哈希编码之间的汉明距离；根据汉明距离从小到大排序，选前M个用户作为目标用户的相似用户，得到相似用户集合Usim，M为自然数。

进一步地，所述的步骤5包括以下子步骤：

(5.1)将相似用户集合Usim中所有用户对应的图书集合进行合并，去除目标用户已经点击过的图书，组成推荐结果的候选集合Icandidate；

(5.2)对于候选集合Icandidate中的每一本图书，计算目标用户对该图书的喜好程度，用Score(item)来衡量，计算公式如下：

其中，dist(u)表示用户u和目标用户哈希编码之间的汉明距离，即衡量用户u与目标用户之间的相似度，指示函数I(item∈Vu)表示图书item是否位于用户u对应的特征向量中，Vu表示用户u点击过的所有图书，指示函数I(item∈Vu)为：

(5.3)根据步骤5.2计算得到的Score(item)，将候选图书排序，将前N本图书推荐给目标用户。

本发明的有益效果是：本发明根据异构的数字图书馆用户行为数据以及应用场景，将多视图哈希算法引入到推荐系统中，整合用户在两个视图上的行为数据，既保证用户之间原有的相似性，又将异构数据融合在一起，提高推荐系统的准确性；同时，用户用二进制编码表示以后，相似用户的查找只需要作“异或”操作，计算效率也得到很大的提高，具体地说是将用户表示成哈希编码，然后运用在最近邻用户的查找上，从而高效地为用户提供图书推荐，这样既充分利用了数字图书馆的在线电子资源，也更好地满足了用户的阅读需求。

附图说明

图1是本发明基于多视图哈希的图书推荐方法流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1所示，本发明一种基于多视图哈希的图书推荐方法，包括以下步骤：

(1)从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；

(2)利用用户的点击数据和搜索数据，构建用户在点击视图和搜索视图上的用户特征向量，具体为：从用户点击数据中得到所有用户的图书点击集合B＝{b₁,b₂,...,b_x}，其中x为图书总数，再根据用户点击数据和B，构建出每个用户点击视图的特征向量X₁，X₁＝[I₁,I₂,...,I_x]其中利用所有用户的搜索数据，首先将用户所有的搜索词分词，得到所有用户的搜索词集合Q＝{q₁,q₂,...,q_y}，y表示分词后所有搜索词个数，然后利用工具word2Vec以及weka将这些词聚类，得到a个类，a为自然数，a的选择一般大于哈希编码位数，最后构建出用户在搜索视图的特征向量X₂，X₂＝[I₁,I₂,...,I_a]，其中I_j＝用户的搜索词在类j中的占比，j＝1,2,…,a。

(3)利用用户在两个视图上的用户特征向量，通过多视图哈希算法学习得到用户的哈希编码、两个视图上的哈希函数以及各个视图的权重，具体包括以下子步骤：

(3.1)初始化点击视图和搜索视图的权重α_p，α_p＝0.5,p＝1,2；

(3.2)根据X₁和X₂构建链接矩阵

(3.3)根据构建正规图拉普拉斯矩阵

(3.4)计算得到

(3.5)计算矩阵H(α)的k个对应特征值最小的特征向量，k为最终用户哈希编码的位数；根据特征向量生成用户哈希编码矩阵U；

(3.6)计算得到哈希函数

(3.7)根据二次规划方法更新权重α；如果没有收敛，重复步骤3.4到步骤3.7，如果已经收敛，则得到最终的

(4)利用得到的用户哈希编码为目标用户寻找相似用户，具体为：目标用户的哈希编码如果可在步骤3生成的U中找到，则直接计算目标用户与U中的所有其他用户的哈希编码之间的汉明距离，否则首先得到目标用户两个视图的特征向量，再利用步骤3中得到的哈希函数和权重α生成哈希编码，然后计算目标用户与U中的所有用户的哈希编码之间的汉明距离；根据汉明距离从小到大排序，排名越靠前的用户则越相似，选前M个用户作为目标用户的相似用户，得到相似用户集合Usim，M为自然数。M可以根据用户总数调整，一般为用户总数的10％左右。

(5)得到相似用户的图书集合，作为推荐图书的候选列表，计算目标用户对候选列表中的图书的偏好程度，返回目标用户偏好程度最大的前N本图书，N为自然数。该步骤具体包括以下子步骤：

(5.1)将相似用户集合Usim中所有用户对应的图书集合进行合并，去除目标用户已经点击过的图书，组成推荐结果的候选集合Icandidate；

(5.2)对于候选集合Icandidate中的每一本图书，计算目标用户对该图书的喜好程度，用Score(item)来衡量，计算公式如下：

其中，dist(u)表示用户u和目标用户哈希编码之间的汉明距离，即衡量用户u与目标用户之间的相似度，指示函数I(item∈Vu)表示图书item是否位于用户u对应的特征向量中，Vu表示用户u点击过的所有图书，指示函数I(item∈Vu)为：

(5.3)根据步骤5.2计算得到的Score(item)，将候选图书排序，将前N本图书推荐给目标用户。由于在实际的图书推荐系统中，推荐给用户的图书不可能太多，因此，N的选择一般为10到20。

Claims (4)

1.一种基于多视图哈希的图书推荐方法，其特征在于，包括以下步骤：

(1)从日志收集系统中筛选出用户在两个视图上的行为数据，包括图书点击数据和搜索数据；

(2)利用用户的点击数据和搜索数据，构建用户在点击视图的特征向量X₁和在搜索视图的特征向量X₂；

(3)利用用户在两个视图上的用户特征向量，通过多视图哈希算法学习得到用户的哈希编码、两个视图上的哈希函数以及各个视图的权重；该步骤包括以下子步骤：

(3.1)初始化点击视图和搜索视图的权重α_p，α_p＝0.5,p＝1,2；

(3.2)根据X₁和X₂构建链接矩阵p＝1,2；

(3.3)根据构建正规图拉普拉斯矩阵p＝1,2；

(3.4)计算得到

<mrow> <mi>Q</mi> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> </msub> <msubsup> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> <mi>T</mi> </msubsup> <mo>+</mo> <mi>I</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> </msub> </mrow>

<mrow> <mi>H</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mover> <mi>L</mi> <mo>~</mo> </mover> <mi>p</mi> </msub> <mo>+</mo> <mi>I</mi> <mo>-</mo> <msup> <mi>Q</mi> <mi>T</mi> </msup> <msub> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> </msub> <mo>-</mo> <msubsup> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> <mi>T</mi> </msubsup> <mi>Q</mi> <mo>+</mo> <msup> <mi>Q</mi> <mi>T</mi> </msup> <msub> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> </msub> <msubsup> <mover> <mi>X</mi> <mo>~</mo> </mover> <mi>&amp;alpha;</mi> <mi>T</mi> </msubsup> <mi>Q</mi> <mo>+</mo> <msup> <mi>Q</mi> <mi>T</mi> </msup> <mi>Q</mi> </mrow>

(3.5)计算矩阵H(α)的k个对应特征值最小的特征向量，k为最终用户哈希编码的位数；根据特征向量生成用户哈希编码矩阵U；

(3.6)计算得到哈希函数

(3.7)根据二次规划方法更新权重α；如果没有收敛，重复步骤(3.4)到步骤(3.7)，如果已经收敛，则得到最终的U,α；

(4)利用得到的用户哈希编码为目标用户寻找相似用户；

(5)得到相似用户的图书集合，作为推荐图书的候选列表，计算目标用户对候选列表中的图书的偏好程度，返回目标用户偏好程度最大的前N本图书。

2.根据权利要求1所述一种基于多视图哈希的图书推荐方法，其特征在于，所述的步骤(2)具体为：从用户点击数据中得到所有用户的图书点击集合B＝{b₁,b₂,...,b_x}，其中x为图书总数，再根据用户点击数据和B，构建出每个用户点击视图的特征向量X₁，X₁＝[I₁,I₂,...,I_x]，其中i＝1,2,…x；利用所有用户的搜索数据，首先将用户所有的搜索词分词，得到所有用户的搜索词集合Q＝{q₁,q₂,...,q_y}，y表示分词后所有搜索词个数，然后利用工具word2Vec以及weka将这些词聚类，得到a个类，a为自然数，最后构建出用户在搜索视图的特征向量X₂，X₂＝[I₁,I₂,...,I_a]，其中I_j＝用户的搜索词在类j中的占比，j＝1,2,…,a。

3.根据权利要求1所述一种基于多视图哈希的图书推荐方法，其特征在于，所述的步骤(4)具体为：目标用户的哈希编码如果可在步骤(3)生成的U中找到，则直接计算目标用户与U中的所有其他用户的哈希编码之间的汉明距离，否则首先得到目标用户两个视图的特征向量，再利用步骤(3)中得到的哈希函数和权重α生成哈希编码，然后计算目标用户与U中的所有用户的哈希编码之间的汉明距离；根据汉明距离从小到大排序，选前M个用户作为目标用户的相似用户，得到相似用户集合Usim，M为自然数。

4.根据权利要求1所述一种基于多视图哈希的图书推荐方法，其特征在于，所述的步骤(5)包括以下子步骤：

(5.1)将相似用户集合Usim中所有用户对应的图书集合进行合并，去除目标用户已经点击过的图书，组成推荐结果的候选集合Icandidate；

(5.2)对于候选集合Icandidate中的每一本图书，计算目标用户对该图书的喜好程度，用Score(item)来衡量，计算公式如下：

<mrow> <mi>s</mi> <mi>c</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> <mrow> <mo>(</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mfrac> <mn>1</mn> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>u</mi> <mo>&amp;Element;</mo> <mi>U</mi> <mi>si</mi> <mi>m</mi> </mrow> </munder> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>&amp;Element;</mo> <mi>V</mi> <mi>u</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>u</mi> <mo>&amp;Element;</mo> <mi>U</mi> <mi>si</mi> <mi>m</mi> </mrow> </munder> <mi>d</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>)</mo> </mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>&amp;Element;</mo> <mi>V</mi> <mi>u</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>

其中，dist(u)表示用户u和目标用户哈希编码之间的汉明距离，即衡量用户u与目标用户之间的相似度，指示函数I(item∈Vu)表示图书item是否位于用户u对应的特征向量中，Vu表示用户u点击过的所有图书，指示函数I(item∈Vu)为：

<mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>&amp;Element;</mo> <mi>V</mi> <mi>u</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>1</mn> <mo>,</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>&amp;Element;</mo> <mi>V</mi> <mi>u</mi> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> <mo>,</mo> <mi>i</mi> <mi>t</mi> <mi>e</mi> <mi>m</mi> <mo>&amp;NotElement;</mo> <mi>V</mi> <mi>u</mi> </mtd> </mtr> </mtable> </mfenced> </mrow>

(5.3)根据步骤(5.2)计算得到的Score(item)，将候选图书排序，将前N本图书推荐给目标用户。