[發明專利]基于少量用戶評價的物品流行度與喜好度聯合預測系統

在審

• 申請號: 201510968255.1
• 申請日: 2015-12-21
• 公開（公告）號: CN105550901A
• 公開（公告）日: 2016-05-04
• 發明（設計）人: 陳凱;奚國堅;苗仲辰;周異;苗麗;吳敏辰
• 申請（專利權）人: 上海交通大學;中國太平洋保險（集團）股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 徐紅銀;郭國中

技術領域

本發明涉及一種計算機技術領域，具體地說，涉及的是一種利用計算機計算在僅獲取和利用極少量已知信息的情況下對物品的流行度與用戶喜好度聯合預測系統。

背景技術

在電子商務不斷興起的時代，用戶喜好度預測系統已經成為了刺激顧客消費的重要組成部分。所謂喜好度預測，是指商家根據已經購買了一部分商品的顧客的歷史購物清單，來猜測他對于網站中其他未購買商品或新商品的喜好程度或口味，并把預測評分較高的商品推薦給顧客，以促銷其購買。這種精準式的個性化營銷已經成為許多互聯網公司、電子商務網站、廣告提供商的不二法寶，在互聯網經濟中扮演著十分重要的角色。

除了用戶個性化喜好預測以外，在商品營銷中廣告公司和購物網站還需要考評商品的潛在流行度這個重要指標，它反映了大眾整體對于一個商品的接受程度。舉一個簡單的例子，如果一款商品僅在很小范圍的顧客中有著比較高的喜好程度，那么它就可以看作一款小眾商品，對其傾斜過多的廣告促銷資源并不能夠帶來更大的利益。相比來說，如果另外一款商品能夠在較大規模的顧客中都獲得不錯的喜好度，那么針對他的營銷可能會更加有經濟效益。這里所說的潛在流行度，本質上并不局限于物品在一套系統或一個網站內的人氣值，它可以用更大范圍內的用戶接受程度來進行衡量。

綜合以上兩點考慮，一款成功的商品預測系統不僅需要了解到針對每一個單一用戶的用戶習慣偏好、預測用戶評價，也需要了解物品在整體系統中的流行度情況。需要說明的是，該預測系統并不局限于互聯網公司，在任何實體商業經濟體中，根據客戶喜好度而做出精準化的銷售也是刺激顧客消費的重要環節。更加重要的是，流行度的預測和用戶評分的預測甚至可以是互聯網經濟和實體經濟的結合，比如一部電影在電影院票房中取得了非常不錯的成績，那么它就擁有了很高的流行度，而一個在線電影點播網站就可以利用這些流行度信息，并根據自己網站用戶的個性化喜好，綜合選取最優的電影進行廣告推銷。這種聯合化的預測模式有著非常重要的經濟價值。

由于新商品的已有評價信息和屬性特征較少，這種稀疏性導致了用戶-物品的相似度趨向零的特征，無法準確的獲取商品的模型參數。因此已有的預測系統需要通過搜集、市場調研等方法獲取較大范圍的用戶群體對新商品的評價，才能夠較好的計算用戶-物品相似度，從而進行后續的預測工作。而這種模式需要非常大的經濟和時間代價，數據處理復雜，計算處理效率低。

由于新商品層出不窮，目前物品流行度的預測和用戶喜好度預測系統中由于新商品的評價過少導致的無法準確預測其流行度和在全體用戶群中的喜好度，急切的需要一種新的技術手段來應對商品的流行度預測和用戶喜好度預測的問題。

發明內容

本發明的目的在于針對現有技術的不足，提出了一種基于少量用戶評價的物品流行度與喜好度聯合預測系統，該系統利用計算機技術，基于事先選取的少量關鍵用戶對新商品的評價來進行預測，降低了數據處理復雜，提高計算處理效率，能夠節省大量人力物力，且準確度高。

本發明是通過以下技術方案實現的，所述預測系統包括：

數據準備模塊：將用戶的原始評價數據預處理，生成用戶-物品評分矩陣、物品流行度向量；

特征建模模塊：根據數據準備模塊的用戶-物品評分矩陣、物品流行度向量，采用功能性矩陣分解方法、線性回歸方法生成用戶對不同物品的喜好特征矩陣、物品屬性特征矩陣、物品屬性矩陣與流行度的回歸系數向量；

預測模塊：僅使用少量關鍵用戶對物品的評價，估算物品屬性的特征向量，從而預測預測物品的未來流行度、預測全體用戶對該物品的喜好程度；所述預測模塊把少量關鍵用戶的喜好特征矩陣、少量關鍵用戶對新物品的評價，映射為該新物品的屬性特征向量，然后使用新物品的屬性特征向量與全體用戶喜好特征矩陣相乘來預測全體用戶喜好程度，使用新物品的屬性特征向量與線性預測系數相乘得到未來流行度預測結果。

優選地，所述數據準備模塊、特征建模模塊，其中涉及的物品，是指現已存在于該系統中的商品；

所述預測模塊，其中涉及的物品包括現已存在于該系統中的商品、對不存在于目前系統的、可以被加入至當前系統的新物品。

優選地，所述數據準備模塊、特征建模模塊，其中的預處理和建立數學模型時，將用戶對某物品的評價數值化、歸一化為用戶-物品評分矩陣中相交的元素(如不存在評價則視為空元素)；將多維度物品屬性特征通過線性預測系數映射為一維的流行度向量，還可以對流行度向量進行非線性變換處理使其處于一定的變化范圍之內。