[發明專利]基于二次函數表示用戶偏好的推薦方法及系統

有效

• 申請號: 201510348728.8
• 申請日: 2015-06-23
• 公開（公告）號: CN104965896B
• 公開（公告）日: 2018-10-02
• 發明（設計）人: 劉俊濤;孫立杰;鄧德位;王軍偉;黃友澎
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 武漢河山金堂專利事務所(普通合伙) 42212
• 代理人: 胡清堂

一種基于二次函數表示用戶偏好的推薦方法，其包括如下步驟：S1、從在線服務商處獲取用戶對物品的評分記錄，其中評分記錄為評分矩陣R，在評分矩陣R中的每一個元素r_i,j表示用戶i對物品j的評分；在用戶i沒有對物品j評分時，指示矩陣I中的元素I_i,j＝0，在用戶i對物品j做出評分時，I_i,j＝1；S2、通過隨機梯度下降法優化目標函數學習用戶條件偏好；S3、根據步驟S2中學習的用戶條件偏好通過二次函數生成物品推薦列表。本發明還提供一種基于二次函數表示用戶偏好的推薦系統。

技術領域

本發明涉及服務信息推送技術領域，特別涉及一種基于二次函數表示用戶偏好的推薦方法及系統。

背景技術

當前，網絡服務商為用戶提供了諸如新聞、商品、圖片、視頻、音頻、文檔等(以下統一簡稱為物品)的在線服務。為了更好的為用戶提供服務，服務商會記錄用戶的歷史行為，例如記錄用戶購買(使用)過哪些物品、對物品的評價等。用戶對物品的評分是分析用戶偏好的重要信息。用戶對物品的評分一般為1～k的整數，1表示最不喜歡，k表示最喜歡。1～k之間的評分表示的喜歡程度依次遞增。由于每一個用戶消費的物品數量有限，如何根據有限的評分數據挖掘用戶偏好，進而據此為用戶提供推薦是推薦領域面臨的重要問題。所謂推薦即是預測用戶可能喜歡的物品、按照可能的喜歡程度排序，并把這個物品列表推薦給用戶。

在基于評分的推薦系統中，用戶的偏好通常表示為一種線性函數。然而，由于用戶與用戶之間的差異非常大，簡單的線性函數難以準確的表示各種用戶偏好，特別是用戶表現出來的條件偏好，難以用線性函數表示。所謂條件偏好指的是用戶在不同條件下表現出來的不同偏好。例如，天氣寒冷時喜歡熱的飲料，而在夏天則偏愛冷飲。研究表明，條件偏好是一種非線性的關系。傳統的推薦方法忽略了用戶偏好的條件性，造成了一定程度的推薦錯誤。

發明內容

為了解決現有的商品或者服務推薦方法忽略了用戶偏好的條件性，容易造成推薦錯誤的缺陷，本發明提供一種基于二次函數表示用戶偏好的推薦方法及系統。

一種基于二次函數表示用戶偏好的推薦方法，其包括如下步驟：

S1、從在線服務商處獲取用戶對物品的評分記錄，其中評分記錄為評分矩陣R，在評分矩陣R中的每一個元素r_i,j表示用戶i對物品j的評分；在用戶i沒有對物品j評分時，指示矩陣I中的元素I_i,j＝0，在用戶i對物品j做出評分時，I_i,j＝1；

S2、通過隨機梯度下降法優化目標函數學習用戶條件偏好；

S3、根據步驟S2中學習的用戶條件偏好通過二次函數生成物品推薦列表。

一種基于二次函數表示用戶偏好的推薦系統，其包括如下模塊：

信息收集模塊，用于從在線服務商處獲取用戶對物品的評分記錄，其中評分記錄為評分矩陣R，在評分矩陣R中的每一個元素r_i,j表示用戶i對物品j的評分；在用戶i沒有對物品j評分時，指示矩陣I中的元素I_i,j＝0，在用戶i對物品j做出評分時，I_i,j＝1；

學習模塊，用于通過隨機梯度下降法優化目標函數學習用戶條件偏好；

列表生成模塊，用于根據學習模塊中學習的用戶條件偏好通過二次函數生成物品推薦列表。

本發明提供的基于二次函數表示用戶偏好的推薦方法及系統，通過假設用戶的偏好為條件偏好，并用二次函數表示這種條件偏好。根據歷史觀察數據，采用隨機梯度下降方法挖掘用戶條件偏好及物品特征，進而根據得到的用戶條件偏好及物品特征預測用戶對未評分的物品的喜好程度，得到推薦列表。本發明提供的推薦方法及系統能夠得到更準確的推薦結果。

附圖說明