(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211066084.X (22)申请日 2022.08.31 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 马江虹　王蓉　 (74)专利代理 机构 北京慧加伦知识产权代理有 限公司 16 035 专利代理师 李永敏 (51)Int.Cl. G06F 16/9535(2019.01) G06F 40/284(2020.01) G06K 9/62(2022.01) (54)发明名称 项目推荐方法及项目推荐 装置 (57)摘要 本公开的实施例提供一种项目推荐 方法， 其 包括： 获取m个用户分别对n个项目中的一个或多 个项目的实际评价； 根据实际评价中的实际评分 来构建初始用户 ‑项目交互矩阵； 根据实际评价 中的实际表情符号来构建初始用户 ‑项目‑表情 符号交互张量； 获取k个表情符号与g个情感标签 的相似度矩阵； 借助相似度矩阵对初始用户 ‑项 目交互矩阵和初始用户 ‑项目‑表情符号交互张 量进行联合分解； 获得表情符号自表示矩阵； 对 初始用户 ‑项目‑表情符号交互张量进行补全； 根 据表情符号自表示矩阵对补全后的用户 ‑项目‑ 表情符号交互张量进行修正； 对初始用户 ‑项目 交互矩阵进行补全； 以及基于补全后的用户 ‑项 目交互矩阵来确定n个项目中针对m个用户的推 荐项目。 权利要求书4页 说明书16页 附图3页 CN 115422453 A 2022.12.02 CN 115422453 A 1.一种项目推荐方法， 包括： 获取m个用户分别对n个项目中的一个或多个项目的实际评价， 其中， 所述实际评价中 的每个实际评价包括实际评分和实际表情符号中的至少一 者； 根据所述实际评价中的所述实际评分来构建初始用户 ‑项目交互矩阵； 根据所述实际评价中的所述实际表情符号 来构建初始用户 ‑项目‑表情符号交 互张量； 获取k个表情符号与g个情感标签的相似度矩阵； 借助所述相似度矩阵对所述初始用户 ‑项目交互矩阵和所述初始用户 ‑项目‑表情符号 交互张量进 行联合分解， 以获得估计的用户 ‑潜在因子矩阵、 估计的项目 ‑潜在因子矩阵、 估 计的表情符号 ‑潜在因子矩阵、 所述表情符号的第一权重向量、 以及所述情感标签的第二权 重向量； 根据所述估计的用户 ‑潜在因子矩阵、 所述估计的项目 ‑潜在因子矩阵、 以及所述估计 的表情符号 ‑潜在因子矩阵和/或根据所述相似度矩阵来获得表情符号自表示矩阵； 根据所述估计的用户 ‑潜在因子矩阵、 所述估计的项目 ‑潜在因子矩阵、 以及所述估计 的表情符号 ‑潜在因子矩阵来对所述初始用户 ‑项目‑表情符号交互张量进行补全， 以获得 补全后的用户 ‑项目‑表情符号交 互张量； 根据所述表情符号自表示矩阵对所述补全后的用户 ‑项目‑表情符号交互张量进行修 正， 以获得修 正后的用户 ‑项目‑表情符号交 互张量； 利用所述修正后的用户 ‑项目‑表情符号交互张量、 所述相似度矩阵、 所述第一权重向 量、 所述第二权重向量、 所述估计的用户 ‑潜在因子矩阵、 以及所述估计的项目 ‑潜在因子矩 阵来对所述初始用户 ‑项目交互矩阵进行补全， 以获得补全后的用户 ‑项目交互矩阵； 以及 基于所述补全后的用户 ‑项目交互矩阵来确定所述n个项目中针对所述m个用户的推荐 项目； 其中， m、 n、 k和g均为大于1的整数。 2.根据权利要求1所述的项目推荐方法， 还 包括， 针对所述m个用户中的单个用户： 从所述修正后的用户 ‑项目‑表情符号交互张量中获取与针对该用户的推荐项目对应 的表情符号； 从所述相似度矩阵中获取与所获取的表情符号对应的情感标签； 以及 使用所获取的表情符号和所获取的情感标签来对针对该用户的推荐 项目进行解释。 3.根据权利要求1所述的项目推荐方法， 其中， 所述实际评价中的一个或多个实际评价 包括评论文本， 所述实际评价中的所述实际表情符号的种类数为 k， 其中， 获取k个表情符号与g个情感标签的相似度矩阵包括： 对所述实际评价中的所有评论文本和所有实际表情符号进行特征提取， 以获得所有评 论文本中的每个词语的第一特征向量以及所述k个表情符号中的每个表情符号的第二特征 向量； 从所述g个情感标签中确定每 个词语对应的情感标签； 针对所述g个情感标签中的每个情感标签， 确定该情感标签对应的所有第一特征向量 的局部均值向量； 将每个情感标签对应的所述局部均值向量的均值确定为全局均值向量； 从每个情感标签对应的所述局部均值向量中减去所述全局均值向量以得到更新后的权　利　要　求　书 1/4 页 2 CN 115422453 A 2局部均值向量； 确定与所述k个表情符号对应的所有第二特征向量的均值向量， 并从每个表情符号对 应的第二特征向量中减去所有第二特征向量的所述均值向量以得到更新后的第二特征向 量； 以及 根据与所述k个表情符号中的每个表情符号对应的更新后的第二特征向量和与所述g 个情感标签中的每个情感标签对应的更新后的局部均值向量的余弦相似度来构建所述相 似度矩阵。 4.根据权利要求1所述的项目推荐方法， 其中， 借助所述相似度矩阵对所述初始用户 ‑ 项目交互矩阵和所述初始用户 ‑项目‑表情符号交互张量进 行联合分解包括联合求解以下4 个式子： 以及 其中， o表示所述实际评分所在的维度， Ro表示第o维度的初始用户 ‑项目交互矩阵， 指示Ro中的元素是否包括实际评分， Po表示第o维度的用户 ‑潜在因子矩阵， Qo表示第o维度 的项目‑潜在因子矩阵， S表示所述初始用户 ‑项目‑表情符号交互张量， HS指示S中的元素是 否包括实际表情符号， X表示表情符号 ‑潜在因子矩阵， L表示情感标签 ‑潜在因子矩阵， E表 示所述相似度矩阵， diag(a)表示把向量a转换成一个对角值为a的矩阵， w1表示所述表情符 号的所述第一权重向量， w2表示所述情感标签 的所述第二权重向量， Ω表示包括所述实际 评价的元素的位置， 表示Po的第i列， 表示Qo的第j列， || ·||ρ表示正则 化算子， *表示 哈达玛乘积， 表示矩阵中对应向量的外积和， λ和 η是 经验值。 5.根据权利要求1所述的项目推荐方法， 其中， 根据 所述估计的用户 ‑潜在因子矩阵、 所 述估计的项目 ‑潜在因子矩阵、 以及所述估计的表情符号 ‑潜在因子矩阵来 获得表情符号自 表示矩阵包括 求解下式： s.t.C1≥0， diag(C1)＝0， eTC1＝eT； 其中， o表示所述实际评分所在的维度， Po表示第o维度的用户 ‑潜在因子矩阵， Qo表示第 o维度的项目 ‑潜在因子矩阵， X表示表情符号 ‑潜在因子矩阵， C1表示表情符号自表示矩阵， diag(a)表示把 向量a转换成一个对角值为a的矩阵， || ·||ρ表示正则化算子， 表示矩阵权　利　要　求　书 2/4 页 3 CN 115422453 A 3