[發明專利]一種基于隱語義模型的個性化推薦方法

在審

• 申請號: 201710519604.0
• 申請日: 2017-06-30
• 公開（公告）號: CN107330727A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 黃俊;古來;劉科征
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于隱語義模型的個性化推薦方法，其特征在于，步驟如下：

(1)選取一段時間內的用戶對商品評分，以評分，用戶社交網絡特征和用戶屬性作為數據集；

(2)構建用戶-商品評分矩陣，從中隨機選取80％的數據作為訓練數據，20％作為測試數據，同時處理用戶社交網絡特征，用戶屬性信息；

(3)用戶屬性值用0或1來表示，使用支持向量機方法為每個屬性訓練一個分類模型，以用戶對隱因子的關聯程度作為模型的輸入，輸出用戶屬性值；

(4)根據(2)中用戶屬性值，用戶u的特征屬性可用向量Attr_u＝(a_u1,a_u2,…,a_uN)表示，其中，N為用戶屬性的個數，則下述公式計算用戶u和用戶v的相似度：

simAttr(u,v)=Σs∈AttrwssimAttr(u,v,s)]]>

其中，w_s是屬性s的重要程度，上述公式可得到r_Attr(u,i)，即根據用戶屬性信息預測用戶u對物品i的評分；

(5)以社交網絡為基礎，對用戶進行聚類處理，而用戶u與用戶v之間的信任強度與兩個用戶間的最短路徑直接相關，計算得到兩個用戶之間的信任程度，從而得到r_Trust(u,i)；

(6)采用隱語義模型，所有用戶對隱因子的關聯向量組成矩陣P，所有物品對隱因子的關聯向量組成矩陣Q，則矩陣相乘得到原始的評分矩陣，用戶u對每個隱因子的關聯程度與每個隱因子對物品i的關聯程度的乘積求和，得到用戶u對物品i的原始預測評分值：

r^ui=Σf=1Fpufpif]]>

(7)當新用戶從加入系統到用戶對物品有一定數評分的過程中，推薦系統依據社交網絡特性和用戶屬性信息推薦，過渡到利用用戶的評分數據，則將三種評分數據加權，得到最后的預測評分：

r′ui=a·rTrust(u,i)+b·rAttr(u,i)+c·r^ui]]>

(8)采用測試集數據，測試算法的準確性，選用平均絕對誤差(MAE)作為衡量標準，MAE越小推薦結果越好，根據預測分數從大到小對商品進行排序，若該用戶滿意的商品集中在排序列表中靠前部分，則證明算法有效，反之無效。