[發明專利]一種產品信息過濾推薦方法和裝置

在審

• 申請號: 201310380269.2
• 申請日: 2013-08-28
• 公開（公告）號: CN104424247A
• 公開（公告）日: 2015-03-18
• 發明（設計）人: 康友三
• 申請（專利權）人: 北京鬧米科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種產品信息過濾推薦方法，其特征在于，包括步驟：

步驟A，預先獲取用戶對產品的多種評價數據；

步驟B，根據多種所述評價數據，訓練推薦模型；

步驟C，輸入當前用戶的多種評價數據，應用訓練后的推薦模型計算用戶對產品的評分預測值，將評分預測值滿足預設要求的產品添加到推薦列表。

2.根據權利要求1所述的產品信息過濾推薦方法，其特征在于，所述評價數據，包括評分數據、收藏數據、轉發數據和反饋數據；

所述評分數據包括用戶代號、項代號、評分值、評分時間；

所述收藏數據包括用戶代號、項代號、收藏時間；

所述轉發數據包括用戶代號、項代號、轉發時間；

所述反饋數據包括用戶代號、題號、用戶選擇的答案項代號、答題時間。

3.根據權利要求2所述的產品信息過濾推薦方法，其特征在于，所述步驟B包括步驟：

步驟B1，進行推薦模型設定，設定的推薦模型如下：

其中，u為當前用戶，i為當前項，為用戶u對項i的預測評分，為全部評分的平均值，b_u為用戶u的基準評分偏移，b_i為項i的基準評分偏移，q，x，y⁽¹⁾，y⁽²⁾，s均為項i的因子向量，R(u)為用戶u已經評分的項集合，r_ui為用戶u對項i的實際評分，為預計算的項i的基準評分偏移，為預計算的用戶u的基準評分偏移，為預計算的基準評分預測，N⁽¹⁾(u)、N⁽²⁾(u)為隱性評分，(1)代表收藏，(2)代表轉發，A(u)為用戶反饋問題數據的代號集合；

步驟B2，根據多種所述評價數據，計算出所述推薦模型中的未知參數。

4.根據權利要求3所述的產品信息過濾推薦方法，其特征在于，所述B2包括步驟：

輸入歷史評分數據集合和因子的秩f；

對每個項i，計算q_i，x_i；

設定循環次數為20，參數·＜＜0.002，l＜＜0.04，l₂＜＜25，l₃＜＜10；

計算總平均：

預計算基準評分預測：

初始化模型參數；

計算和項i無關的部分：

若i?R(u)，則

為x_i梯度步累加信息，

對q_i，b_u，b_i進行梯度步：

若j?R(u)則對x_j進行梯度步：

若j?N⁽¹⁾(u)則對收藏數據y⁽¹⁾進行梯度步：

若j?N⁽²⁾(u)則對轉發數據y⁽²⁾進行梯度步：

若j?A(u)則對答題數據s進行梯度步：

返回參數的值。

5.根據權利要求1所述的產品信息過濾推薦方法，其特征在于，所述步驟B中訓練推薦模型為按照預設頻率在預設時間段進行訓練。