[發明專利]基于上下文感知的支持向量回歸推薦方法及系統

有效

• 申請號: 201611263361.0
• 申請日: 2016-12-30
• 公開（公告）號: CN106779867B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 馬惟;惠康華;張鴻麗;賀懷清;李建伏
• 申請（專利權）人: 中國民航信息網絡股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/30;G06F16/9535;G06F16/9536
• 代理公司: 北京瑞思知識產權代理事務所(普通合伙) 11341
• 代理人: 李濤

1.一種基于上下文感知的支持向量回歸推薦方法，其特征在于，包括以下步驟：

S1：根據目標用戶歷史記錄獲得用戶自身的屬性信息，并根據用戶自身的屬性信息構建用戶特征屬性矩陣；

S2：獲取待推薦項目的特征屬性信息，得到項目特征屬性信息矩陣；并獲取用戶對待推薦項目特征屬性的偏好信息，得到項目特征屬性的偏好矩陣；根據項目特征屬性信息矩陣和項目特征屬性的偏好矩陣構建用戶偏好矩陣；

S3：根據目標用戶選擇項目時所處的上下文信息情境構建上下文情境矩陣，所述上下文情境矩陣能夠標識用戶是否處于影響用戶行為的上下文信息情境中；獲得用戶在上下文信息下對各項目的實際評分值，構建評分矩陣；基于上下文情境矩陣、用戶特征屬性矩陣、用戶偏好矩陣以及所述評分矩陣，構建得到基于上下文的用戶偏好模型；

S4：利用支持向量回歸SVR算法對所述基于上下文的用戶偏好模型進行優化，當達到預定閾值后，將優化后的基于上下文的用戶偏好模型作為有效的評分預測模型；基于所述評分預測模型計算目標用戶的未購買過項目的評分，并將評分最高的前L個項目推薦給所述目標用戶，所述L為自然數；

其中：

(1)所述步驟S3包括：

根據用戶選擇項目時所處的上下文信息構建上下文情境矩陣C_NT，如下：

其中，N為用戶個數，T為不同上下文信息的個數，c_nt為用戶n所處的上下文信息t情境下的信息；

所述c_nt的取值通過下式確定：

(2)所述的構建用戶特征屬性模型具體為：采用下式針對用戶自身的屬性信息來進行建模，構建用戶特征屬性矩陣：

其中，N為用戶個數，K為用戶選取的自身屬性信息的個數，u_nk表示用戶n涉及自身屬性k的信息；所述u_nk的取值通過下式確定：

(3)所述獲取項目特征屬性信息，得到項目特征屬性信息矩陣具體如下：

其中，J是項目個數，M是項目的特征屬性個數，item_jm表示第j個項目的第m個特征屬性的信息；所述item_jm的取值通過下式確定：

(4)采用下式獲取用戶對待推薦項目特征屬性的偏好信息，得到項目特征屬性的偏好矩陣P_NM：

其中，N為用戶個數，M為項目的特征屬性個數，p_nm是用戶n對項目的第m個特征屬性的偏好值；所述用戶n對項目的第m個特征屬性的偏好值定義為：其中，n_m表示用戶n評價過的所有項目中包含第m個特征屬性的項目個數，j_n表示用戶n評價過的所有項目的個數，p_nm的范圍為[0,1]；

(5)采用下式計算出用戶_n對所有項目的用戶偏好矩陣M_n：

M_n＝Item_JM×P_NM；

(6)所述步驟S3還包括：

基于上下文情境矩陣、用戶特征屬性矩陣和用戶偏好矩陣擴展構建得到基于上下文的用戶偏好模型y，如下：

y:(U_NK,M_n,C_NT)→R

其中，基于上下文的用戶偏好模型y的輸入向量為U_NK、M_n、C_NT，輸出向量為R，R是由用戶n在上下文信息c_nt下對各項目的實際評分值構成的評分矩陣。

2.根據權利要求1所述的方法，其特征在于，步驟S4中有效的評分預測模型生成方法包括：基于構建的所述基于上下文的用戶偏好模型，利用訓練集訓練得到評分預測模型。