[發明專利]一種基于雙向張量分解模型的群推薦方法

有效

• 申請號: 201611168532.1
• 申請日: 2016-12-16
• 公開（公告）號: CN106777123B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 姜元春;楊露;孫見山;王錦坤;劉業政
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于雙向張量分解模型的群推薦方法，其特征是按照如下步驟進行：

步驟一、定義一個表示群體G、用戶U和產品I的交互關系：所述交互關系DS中，G＝{G₁,...,G_g,...,G_|G|}表示群體集合，G_g表示任意第g個群體，1≤g≤|G|；U＝{U₁,...,U_u,...,U_|U|}表示用戶集合，U_u表示第u個用戶；1≤u≤|U|；I＝{I₁,...,I_i,...,I_|I|}表示產品集合，I_i表示第i個產品，1≤i≤|I|；

步驟二、利用式(1)構建第g個群體中第u個用戶對第i個產品的張量分解模型

式(1)中，表示第g個群體中第u個用戶對第i個產品的個體偏好；表示第u個用戶對自身的個體偏好的影響，表示第u個用戶所屬的第g個群體對第u個用戶的個體偏好的影響，b_i表示第i個產品的偏差；表示第u個用戶的個體特性對第u個用戶的權重；U_u,l表示第u個用戶的第l個隱變量，k_u表示第u個用戶的隱變量個數；表示與第u個用戶產生交互的第i個產品的第l個隱變量；表示第u個用戶所屬的第g個群體的群體特性對第u個用戶的權重；G_g,m表示第g個群體的第m個隱變量，k_g表示第g個群體的隱變量個數；表示與第g個群體產生交互的第i個產品的第m個隱變量；

步驟三、利用貝葉斯個性化排序方法對所述張量分解模型進行優化求解，得到所述張量分解模型中的各個參數值；

步驟3.1、利用式(3)得到所述張量分解模型的目標函數

式(3)中，表示第g個群體中第u個用戶對第i_a個產品的個體偏好與對第i_b個產品的個體偏好的差值；ia∈I_gu表示第i_a個產品屬于第g個群體中第u個用戶的正反饋集合，所述正反饋集合為與第g個群體中第u個用戶交互過的所有產品集合；ib∈I\I_gu表示第i_b個產品屬于第g個群體中第u個用戶的負反饋和缺失值集合，負反饋和缺失值集合為與第g個群體中第u個用戶沒有交互過的所有產品集合；表示logistic函數；Θ表示所述張量分解模型中的參數集合，并有λ_Θ表示正則化參數；

步驟3.2、初始化參數集合Θ和正則化參數λ_Θ；

步驟3.3、遍歷所述第g個群體中第u個用戶的正反饋集合中的所有產品，并在遍歷每個產品的過程中從所述第g個群體中第u個用戶的負反饋和缺失值集合中任意選擇一個產品；

步驟3.4、利用隨機梯度下降方法求得所述參數集合Θ中參數U_u,l,G_g,m,b_i的梯度；在參數和為定值時，對所述參數U_u,l,G_g,m,b_i分別進行迭代更新，直到收斂為止，從而獲得參數U_u,l,G_g,m,b_i的最優值；

步驟3.5、遍歷所述第g個群體中第u個用戶的正反饋集合中的所有產品，并在遍歷每個產品的過程中從第g個群體中第u個用戶的負反饋和缺失值集合中任意選擇一個產品；

步驟3.6、利用隨機梯度下降方法求得所述參數集合Θ中參數和的梯度；在參數U_u,l,G_g,m,b_i為最優值時，對所述參數和分別進行迭代更新，直到收斂為止，從而獲得參數和的最優值；

步驟四、利用式(2)得到第g個群體對第i個產品的群體偏好從而獲得第g個群體對所有產品的群體偏好：

式(2)中，Δ(·)為平均聚合函數；

步驟四、將所述第g個群體對所有產品的群體偏好進行降序排序，并選擇前N個群體偏好所對應的產品作為推薦產品列表推送給第g個群體。