[發明專利]基于用戶評分的項目推薦方法在審
| 申請號： | 201610072088.7 | 申請日： | 2016-02-02 |
| 公開（公告）號： | CN105740444A | 公開（公告）日： | 2016-07-06 |
| 發明（設計）人： | 鄧珍榮;朱益立;鄧星 | 申請（專利權）人： | 桂林電子科技大學 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 桂林市華杰專利商標事務所有限責任公司 45112 | 代理人： | 楊雪梅 |
| 地址： | 541004 廣西*** | 國省代碼： | 廣西;45 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 用戶 評分 項目 推薦 方法 | ||
1.一種基于用戶評分的項目推薦方法，其特征在于包括以下步驟：
步驟1：從互聯網中采集數據并對其進行預處理，生成用戶行為數據存放到用戶行為信息數據庫；
步驟2：通過分析用戶的歷史行為記錄，構建用戶對項目的偏好評分，并將評分數據劃分為訓練集和測試集；
步驟3：基于訓練集構建用戶-項目的原始偏好評分矩陣，并從時間特性對用戶興趣的全局影響考慮，對原始評分進行改進，生成新的用戶-項目評分矩陣；
步驟4：基于新的用戶評分矩陣，從概率的角度完成用戶潛在興趣的抽取過程，生成用戶的潛在興趣向量，完成用戶興趣的第一階段的全局學習；
步驟5：從用戶個性化角度考出發，對用戶潛在興趣向量進行第二階段更新學習；
步驟6：基于更新后新的用戶潛在興趣向量，計算用戶對于項目的支持度，并根據支持度將項目進行排序，選擇支持度高的前N個項目推薦給用戶；
步驟7：對比測試集中的數據計算第二階段更新學習過程中推薦準確度隨平衡參數變化的數據，并繪制曲線；
步驟8：從曲線中選擇出曲線峰值點對應的最優平衡參數，并對比測試集中的數據完成系統方法的可視化評估，便于系統的人工決策；
步驟9：基于最優平衡參數，對完整用戶-項目評分矩陣，即沒有劃分訓練集和測試集的數據進行全局學習和更新學習，并按照3-6步驟為用戶進行項目推薦。
2.根據權利要求1所述的基于用戶評分的項目推薦方法，其特征在于，步驟1中，采集的數據至少包括用戶唯一ID、項目唯一ID、用戶對項目的偏好評分以及用戶對項目的行為時間的相關信息，存放于用戶行為記錄數據庫中。
3.根據權利要求1所述的基于用戶評分的項目推薦方法，其特征在于，步驟3中，從時間特性的全局影響考慮，基于艾賓浩斯遺忘曲線，針對每個用戶對每個項目采用一種新的指數形式的保持量函數：
其中，tu表示用戶U所有的行為時間，tui表示用戶U對項目I的行為時間，保持量函數中指數的設置，能保證信息量在時間衰減過程始終不為零，即保證信息的存在性，其中J(t)∈[e-1,1]；
基于新的保持量函數，融合時間特性計算改進的用戶對項目的評分權值，即若改進的評分Rui是通過保持量函數對用戶-項目原始評分rui進行時間衰減得到的，則計算公式為：
Rui＝rui×J(t)ui(2)。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于桂林電子科技大學，未經桂林電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201610072088.7/1.html，轉載請聲明來源鉆瓜專利網。
