[發(fā)明專利]基于epsilon反饋算法的推薦系統(tǒng)冷啟動方法

有效

• 申請?zhí)枺?/td>: 201710034167.3
• 申請日: 2017-01-18
• 公開（公告）號: CN106897912B
• 公開（公告）日: 2020-08-28
• 發(fā)明（設計）人: 蔣浩;朱登明;張洋
• 申請（專利權）人: 太倉中科信息技術研究院
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06N3/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.基于epsilon反饋算法的推薦系統(tǒng)冷啟動方法，其特征在于，將免疫反饋模型引入Epsilon-greedy算法，利用免疫反饋模型動態(tài)調整epsilon值，具體包括如下步驟：

步驟1:將所有的物品當前用戶的點擊情況初始化為0，即讓每個要推薦給用戶的物品沒有先驗知識；

步驟2:根據用戶點擊推薦物品的結果更新epsilon值，并根據更新的epsilon值選擇物品推薦給用戶，具體步驟如下：

2.1)記錄每次為用戶推薦的物品、用戶是否點擊了此物品以及此物品被點擊的次數，如果用戶點擊了算法推薦的物品返回1，如果用戶沒有點擊算法推薦的物品則返回0，計算第t次為用戶推薦之前用戶點擊推薦物品的平均次數reward(t)以及第t-d次為用戶推薦之前用戶點擊推薦物品的平均次數reward(t-d)，reward(t)的計算公式如下：

reward(t)＝click(t)/recommended(t)

公式中，click(t)為用戶在t時刻前對推薦物品的點擊總量，recommended(t)為在t時刻前為用戶推薦物品的總數；

2.2)根據reward(t)和reward(t-d)的差值Δreward計算為用戶推薦時epsilon-greedy中的epsilon值，公式如下：

epsilon(t)＝K_p[1-γ{epsilon(t-d)-epsilon(t-d-1)}²]Δreward

epsilon(t)為第t次為用戶推薦時的epsilon值，epsilon(t-d)、epsilon(t-d-1)為第t-d次以及第t-d-1次為用戶推薦時的epsilon值，參數Kp控制免疫系統(tǒng)對抗原的反應速度，參數γ控制免疫系統(tǒng)的穩(wěn)定；

2.3)生成一個0-1之間的隨機值，如果隨機值大于步驟2.2得到的epsilon值，在所有的物品中隨機的選擇一個物品推薦給用戶，如果生成的隨機值小于步驟2.2得到的epsilon值，選擇記錄的被點擊次數最高的物品推薦給用戶。

2.根據權利要求1所述的基于epsilon反饋算法的推薦系統(tǒng)冷啟動方法，其特征在于，所述參數d取值為1。