一种网络文学书籍冷启动推荐方法及系统与流程

本发明涉及网络文学领域，尤其涉及一种网络文学书籍冷启动推荐方法及系统。

背景技术：

1、个性化推荐技术为解决大数据环境下的信息过载问题提供了有效的方法，具体的个性化推荐版本在各种应用场景如购物、新闻、音乐、网络文学中实现。但面向新用户的个性化推荐始终是该领域的一个难点，由于缺乏足够的历史行为用于预测，常用的推荐技术要点将完全失效。

2、一种网络文学书籍个性化推荐方法及系统(专利号cn111737568b)提供了一种网络文学场景下有效的个性化推荐方法，通过向量化的技术手段挖掘用户的兴趣偏好等隐藏信息，避免用户评分和人工经验评分等问题。该方法仅适用于用户阅读书籍足够多的情形，无法对新用户构建有效的用户向量实现个性化推荐。

3、《推荐系统实践》(项亮著)在第3章推荐系统冷启动问题中提供了一些综述性的解决方法。其一对新用户推荐热门排行榜，其二利用注册的年龄、性别信息做粗粒度个性化，其三要求新用户登录时预先对物品进行反馈收集用户的兴趣信息并推荐相似的物品。这些方法都是各种应用场景下优先考虑能否适用的策略选项，但大体上也存在问题。方法一推荐效率很低，方法二依赖于注册信息是否丰富且粗粒度个性化效率较低，方法三依赖于具体应用场景，新用户容易对热门电影或音乐评分，冷门物品或其它场景较难评分。

4、research commentary on recommendations with side information:a surveyand research directions,zhu sun,et al.综述了一些将辅助信息(如用户注册信息、社交信息、物品内容)作为特征属性应用机器学习算法解决冷启动问题的方法。但不同应用场景下能获得的辅助信息差别较大，适用于不同机器学习算法的辅助信息的处理需要较高技巧。

5、综上，现有的一些面向新用户的推荐方法的主要缺点有：一是推荐效率很低；二是丰富的辅助信息难以获取，较少的辅助信息效果很差；三是特定场景下辅助信息处理的难度较高。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种网络文学书籍冷启动推荐方法及系统。

2、根据本发明的一个方面，提供了一种网络文学书籍冷启动推荐方法，所述推荐方法包括：

3、步骤s1：记录用户注册信息并收集用户阅读书籍数据；

4、步骤s2：合并所有用户阅读书籍列表并处理书籍列表；

5、步骤s3：计算网络书籍的多维浮点数向量；

6、步骤s4：计算网络书籍的最近邻候选集；

7、步骤s5：生成用户特征组合并从特征维度处理书籍数据；

8、步骤s6：生成新用户的初始候选书籍列表和初始用户向量；

9、步骤s7：对新用户第一次生成推荐列表；

10、步骤s8：更新新用户的候选书籍列表和用户向量并生成推荐列表。

11、可选的，所述步骤s7：对新用户第一次生成推荐列表具体包括：

12、利用用户和书籍之间的向量运算结果对新用户感兴趣的网络书籍筛选排序，最终生成新用户的冷启动推荐列表。

13、可选的，所述步骤s8：更新新用户的候选书籍列表和用户向量并生成推荐列表具体包括：通过新用户阅读书籍实时更新新用户的向量化表示，不断迭代新用户真实的兴趣偏好数值，生成完全契合新用户兴趣偏好的网络书籍推荐列表。

14、可选的，所述步骤s6：生成新用户的初始候选书籍列表和初始用户向量具体包括：

15、通过整理所有用户的网络书籍阅读历史构建网络书籍的向量化表示和书籍之间的相似性度量，重点关注新用户阶段阅读书籍列表并从用户特征属性维度去挖掘新用户的兴趣偏好，启发式构建新用户兴趣偏好的向量化表示。

16、本发明另一方面还提供了一种网络文学书籍冷启动推荐系统，应用上述所述的一种网络文学书籍冷启动推荐方法，所述推荐系统包括：

17、日志收集模块，用于收集用户的重要行为记录，如注册日志记录和阅读网络书籍记录；

18、合并处理模块，用于将收集的阅读日志记录数据合并处理以形成用户阅读书籍列表uidhistory，并进一步处理得到切分列表itemslice和新用户阅读书籍列表newuidhistory；

19、模型计算模块，用于计算网络书籍的多维浮点数向量和网络书籍的最近邻候选集；

20、特征组合处理模块，用于生成用户特征组合uidfeature，并从书籍类别和用户特征组合两个维度进一步处理新用户阅读书籍列表newuidhistory得到数据集clstopbk、数据集featuretopbk、数据集featuretopcls；

21、数据存储模块，用于存储各个模块生成的模型数据和数据集；

22、实时推荐模块，用于生成新用户推荐列表；

23、实时更新模块，用于实时更新新用户的候选书籍列表和用户向量。

24、本发明提供的一种网络文学书籍冷启动推荐方法及系统，所述推荐方法包括：步骤s1：记录用户注册信息并收集用户阅读书籍数据；步骤s2：合并所有用户阅读书籍列表并处理书籍列表；步骤s3：计算网络书籍的多维浮点数向量；步骤s4：计算网络书籍的最近邻候选集；步骤s5：生成用户特征组合并从特征维度处理书籍数据；步骤s6：生成新用户的初始候选书籍列表和初始用户向量；步骤s7：对新用户第一次生成推荐列表；步骤s8：更新新用户的候选书籍列表和用户向量并生成推荐列表。通过新用户到特征组合到用户向量的转换并持续更新挖掘了新用户真实的兴趣偏好，通过新用户候选书籍的筛选排序高效提升了新用户冷启动推荐的效果。

25、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种网络文学书籍冷启动推荐方法，其特征在于，所述推荐方法包括：

2.根据权利要求1所述的一种网络文学书籍冷启动推荐方法，其特征在于，所述步骤s7：对新用户第一次生成推荐列表具体包括：

3.根据权利要求1所述的一种网络文学书籍冷启动推荐方法，其特征在于，所述步骤s8：更新新用户的候选书籍列表和用户向量并生成推荐列表具体包括：通过新用户阅读书籍实时更新新用户的向量化表示，不断迭代新用户真实的兴趣偏好数值，生成完全契合新用户兴趣偏好的网络书籍推荐列表。

4.根据权利要求1所述的一种网络文学书籍冷启动推荐方法，其特征在于，所述步骤s6：生成新用户的初始候选书籍列表和初始用户向量具体包括：

5.一种网络文学书籍冷启动推荐系统，应用上述权利要求1-4任意一项所述的一种网络文学书籍冷启动推荐方法，其特征在于，所述推荐系统包括：

技术总结
本发明提供的一种网络文学书籍冷启动推荐方法及系统，所述推荐方法包括：步骤S1：记录用户注册信息并收集用户阅读书籍数据；步骤S2：合并所有用户阅读书籍列表并处理书籍列表；步骤S3：计算网络书籍的多维浮点数向量；步骤S4：计算网络书籍的最近邻候选集；步骤S5：生成用户特征组合并从特征维度处理书籍数据；步骤S6：生成新用户的初始候选书籍列表和初始用户向量；步骤S7：对新用户第一次生成推荐列表；步骤S8：更新新用户的候选书籍列表和用户向量并生成推荐列表。通过新用户到特征组合到用户向量的转换并持续更新挖掘了新用户真实的兴趣偏好，通过新用户候选书籍的筛选排序高效提升了新用户冷启动推荐的效果。

技术研发人员：蒋磊,赵磊,张世侠,汪溪
受保护的技术使用者：北京宜搜天下科技有限公司
技术研发日：
技术公布日：2024/1/16