短期兴趣通过线性组合，来表示用户的全部兴趣 Winterest(U)?
[0074] Winterest (u) = 0 *LTinterest (u) + ii *STinterest ⑴（1)
[0075] 其中的0 ,y为组合参数，满足0+y= 1。
[0076] 兴趣标签云图构建子模块303,用来对所述用户兴趣主题概率分布表示，取出现 概率最大的前几个词作为用户兴趣，构建出用户兴趣标签云图（Tagcloud):首先进行标签 (Tag)的生成和收集，标签（Tag)的生成由用户手工输入或者系统自动生成，标签（Tag)的 收集则依据tagcloud生成系统的参数；其次对标签（Tag)的统计排序，即依据tagcloud 生成系统的参数，对标签（Tag)做统计排序；最后依据tagcloud生成系统的参数，生成标 签云图。
[0077] 参阅图4,服务推荐模块4包括服务信息获取子模块401、服务信息构建子模块 402、推荐子模块403和兴趣标签云图更新子模块404。
[0078]服务信息获取子模块401，用于获取商品信息或服务信息。通过获取商品的文字描 述信息或者直接通过网络爬虫直接从网络上获取用户所需的文字信息。
[0079] 服务信息构建子模块402,用来对所述商品信息或服务信息使用建立好的所述主 题模型进行分析，建立服务信息主题分布。
[0080] 推荐子模块403,用来计算所述服务信息主题分布和所述用户兴趣标签云图的相 似度并为用户提供不同方式的推荐服务。为用户推荐服务时有基于内容推荐和协同过滤推 荐。
[0081] A)基于内容推荐。基于内容推荐应用在系统启动之初，没有用户的阅读历史和评 分表，用来解决协同过滤推荐方法中存在的"冷启动"问题。基于内容的推荐应用在针对用 户兴趣的内容推荐和针已读文章的内容推荐这两个阶段或者场景中。
[0082] 针对用户兴趣的内容推荐。这种方式的推荐用在系统启动之处，用户没有任何 浏览历史，无法进行关联推荐的时候。在针对用户兴趣的内容推荐上，可以针对用户的 全部兴趣主题分布进行推荐，使用已经建立的用户兴趣的模型winteest (u)，然后对已经获 取的每一个服务信息文档通过建立好的主题模型进行分析，得到该文档的主题分布，即， document(i) = (pn，pi2，pi3......pit)
[0083] 然后计算用户兴趣主题分布和文档主题分布的相似度，采用最简单直接的余弦距 离相似度计算，计算公示如下：
【主权项】
1. 一种基于主题模型的个性化服务推荐系统，其特征在于，包括： 社交数据获取模块，用于获取用户的社交网络数据； 主题模型构建和分析模块，用来构建主题模型； 用户兴趣建模模块，用来对获取的所述社交网络数据使用构建好的所述主体模型进行 处理和分析，建立用户兴趣标签云图； 服务推荐模块，用来对服务信息通过构建好的所述主题模型进行分析，建立服务信息 主题分布，并通过计算所述服务信息主题分布和所述用户兴趣标签云图的相似度为用户提 供不同方式的推荐服务； 用户交互模块，用来向用户提供推荐服务结果展示并提供交互反馈； 系统管理控制模块，用来处理和控制系统各部位工作。
2. 如权利要求1所述的基于主题模型的个性化服务推荐系统，其特征在于，所述社交 数据获取模块包括： 用户个人社交网络信息子模块，通过社交网络获取用户个人数据，包括性别、年龄、兴 趣爱好、所在地、所发布信息、所转发信息、关注好友列表； 用户好友社交网络信息子模块，过社交网络获取用户好友的数据，包括好友的性别、年 龄、兴趣爱好、所在地、所发布信息、所转发信息、关注好友列表； 本地最新网络信息子模块，获取本地最新的社交网络信息和新闻信息。
3. 如权利要求1所述的基于主题模型的个性化服务推荐系统，其特征在于，所述用户 兴趣建模模块包括： 噪声过滤子模块，用于对所述社交网络数据进行过滤，去除与用户兴趣不相关的社交 网络数据； 用户兴趣构建子模块，用来对过滤后的所述社交网络数据使用构建好的所述主体模 型，得到用户兴趣主题概率分布； 兴趣标签云图构建子模块，用来对所述用户兴趣主题概率分布表示，构建出用户兴趣 标签云图。
4. 如权利要求1所述的基于主题模型的个性化服务推荐系统，其特征在于，所述服务 推荐模块包括： 服务信息获取子模块，用于获取商品信息或服务信息； 服务信息构建子模块，用来对所述商品信息或服务信息使用建立好的所述主题模型进 行分析，建立服务信息主题分布； 推荐子模块，用来计算所述服务信息主题分布和所述用户兴趣标签云图的相似度并为 用户提供不同方式的推荐服务； 兴趣标签云图更新子模块，用来根据用户反馈信息重新构建用户兴趣云图标签。
5. 如权利要求3所述的基于主题模型的个性化服务推荐系统，其特征在于，所述用户 兴趣构建子模块包括建立用户的长期兴趣和短期兴趣。
6. 如权利要求4所述的基于主题模型的个性化服务推荐系统，其特征在于，所述推荐 子模块进一步包括基于内容推荐模块和协同过滤推荐模块。
7. 如权利要求1或4所述的基于主题模型的个性化服务推荐系统，其特征在于，所述主 题模型使用维基百科对所述社交网络数据和所述服务信息进行语义扩充，在维基百科数据 上进行主题分析。
8. -种基于主题模型的个性化服务推荐方法，其特征在于，包括如下步骤： 获取用户社交网络数据，包括用户个人社交网络信息、用户好友社交网络信息和本地 最新网络信息； 构建文档到主题服从狄利克雷值irichlet)分布，主题到词服从多项式分布的主题模 型； 对获取的所述社交网络数据进行过滤，去除与用户兴趣不相关的社交网络数据，对过 滤后的所述社交网络数据使用构建好的所述主体模型，得到用户兴趣主题概率分布，并构 建用户兴趣标签云图； 获取服务信息，对服务信息通过建立好的所述主题模型进行分析，建立服务信息主题 分布； 计算所述服务信息主题分布和所述用户兴趣标签云图的相似度并为用户提供不同方 式的推荐服务； 推荐服务结果展示，提供交互反馈并根据用户反馈结果对用户的兴趣进行重新建模， 更新用户兴趣标签云图。
9. 如权利要求8所述的基于主题模型的个性化服务推荐方法，其特征在于，所述推荐 服务包括基于内容的推荐方式和协同过滤推荐方式。
10. 如权利要求8所述的基于主题模型的个性化服务推荐方法，其特征在于，所述主题 模型使用维基百科对所述社交网络数据和所述服务信息进行语义扩充，在维基百科数据上 进行主题分析。
【专利摘要】本发明提供一种基于主题模型的个性化服务推荐系统，包括：社交数据获取模块、主题模型构建和分析模块、用户兴趣建模模块、服务推荐模块、用户交互模块和系统管理控制模块。本发明系统利用社交网络平台获取数据，通过主题模型对用户的兴趣进行挖掘和建模，从语义上对用户兴趣进行挖掘，解决了传统基于向量空间模型的兴趣模型维度高，数据稀疏等问题，同时考虑了用户的长期兴趣和短期兴趣，能更加真实的反应用户兴趣，为用户提供准确的针对用户兴趣的服务推荐。
【IPC分类】G06F17-30
【公开号】CN104572797
【申请号】CN201410199198
【发明人】郑海涛, 古宁, 李琪, 赵从志
【申请人】深圳市智搜信息技术有限公司
【公开日】2015年4月29日
【申请日】2014年5月12日