申请/专利权人：上海交通大学

申请日：2022-09-13

公开（公告）日：2024-03-22

公开（公告）号：CN117743670A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9538;G06F16/332;G06F16/335;G06F16/338;G06F18/23213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：一种基于用户聚类探索的对话在线推荐系统，包括：模型初始化模块、用户聚类模块、物品推荐模块、对话推荐模块、用户反馈收集模块和用户偏好更新模块，本发明使用汤姆森采样算法进行探索，获取更优的用户聚类结构，提高算法性能及推荐效果。对推荐系统中用户进行物品推荐和关键词推荐，使得被推荐物品符合用户偏好，提高用户体验以及推荐系统收益。

主权项：1.一种基于用户聚类探索的对话在线推荐系统，其特征在于，包括：模型初始化模块、用户聚类模块、物品推荐模块、对话推荐模块、用户反馈收集模块和用户偏好更新模块，其中：模型初始化模块生成物品特征向量和关键词特征向量；用户聚类模块使用汤姆森采样算法，围绕用户特征向量采样生成每个用户的结构特征向量后，通过k-means方法根据物品偏好对用户结构特征向量进行聚类，得到用户聚簇；物品推荐模块根据物品特征向量和用户交互记录，生成最符合用户偏好的物品推荐；对话推荐模块根据关键词特征向量和用户的交互记录，生成最符合用户偏好的关键词询问；用户反馈收集模块收集用户对于系统所推荐物品以及所询问关键词的反馈；用户偏好更新模块根据用户对于推荐系统所推荐物品的反馈以及所询问关键词的反馈，更新用户偏好特征向量；所述的物品特征向量，通过以下方式得到：首先根据物品与用户历史交互记录，构建用户打分矩阵，其次对用户打分矩阵进行SVD矩阵分解，获得所有物品的特征向量xi；所述的关键词特征向量，通过以下方式得到：将历史数据中已标注标签作为关键词，统计单个关键词相关的所有物品特征向量，关键词相关的所有物品特征的均值即为关键词特征向量；所述的用户聚簇，通过以下方式得到：计算应划分的用户聚类个数其中：M为用户个数，T为对于所有用户的推荐轮数，t为当前推荐轮数，δ为控制用户聚类个数的超参数；以用户特征向量θ′u为均值、累加矩阵的逆为协方差进行高斯分布采样，得到用户结构特征向量使用k-means算法对所有用户结构特征向量聚类，其中聚类个数为kt，k-means对用户聚类结果即为用户聚类结构，所有用户被分割为不相交的聚簇集合[p]；所述的更新用户偏好特征向量是指：根据收集到对物品的反馈，更新用户累加矩阵Su和累加向量bu，以及用户聚类累加矩阵和累加向量根据收集到所询问关键词的反馈，更新用户关键词累加矩阵和累加向量以及用户聚类累加矩阵和累加向量

全文数据：

权利要求：

百度查询： 上海交通大学 基于用户聚类探索的对话在线推荐系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD