[發明專利]一種基于推薦系統的推薦模型生成方法及相關裝置

在審

• 申請號: 201711007965.3
• 申請日: 2017-10-25
• 公開（公告）號: CN107609201A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 楊海龍;李松林;李衛軍
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

1.一種基于推薦系統的推薦模型生成方法，其特征在于，包括：

將GLSLIM模型根據數據集進行準確率調參處理得到第一推薦模型，進行推薦結果計算得到第一結果目標函數；

將PLSA模型根據所述數據集進行召回率調參處理得到第二推薦模型，進行推薦結果計算得到第二結果目標函數；

將所述第一結果目標函數與所述第二結果目標函數進行融合處理得到融合目標函數，根據所述數據集進行平衡調參處理得到推薦模型。

2.根據權利要求1所述的推薦模型生成方法，其特征在于，所述將GLSLIM模型根據數據集進行準確率調參處理得到第一推薦模型，進行推薦結果計算得到第一結果目標函數包括：

在第一預設范圍內取多個用戶個性化權重參數；

將每個所述用戶個性化權重參數帶入到所述GLSLIM模型中，根據所述數據集進行計算得到多個第一推薦結果；

將每個所述第一推薦結果進行計算得到多個準確率，選取所述準確率最大的所述用戶個性化權重參數設置為所述GLSLIM模型的最終用戶個性化權重參數，得到所述第一推薦模型；

將所述第一推薦模型進行推薦結果計算得到所述第一結果目標函數。

3.根據權利要求2所述的推薦模型生成方法，其特征在于，所述將PLSA模型根據所述數據集進行召回率調參處理得到第二推薦模型，進行推薦結果計算得到第二結果目標函數包括：

在第二預設范圍內取多個類別參數；

將每個所述類別參數帶入到所述PLSA模型中，根據所述數據集進行計算得到多個第二推薦結果；

將每個所述第二推薦結果進行計算得到多個召回率，選取所述召回率最大的所述類別參數設置為所述PLSA模型的最終類別參數，得到所述第二推薦模型；

將所述第二推薦模型進行推薦結果計算得到所述第二結果目標函數。

4.根據權利要求1至3任一項所述的推薦模型生成方法，其特征在于，所述將所述第一結果目標函數與所述第二結果目標函數進行融合處理得到融合目標函數，根據所述數據集進行平衡調參處理得到推薦模型包括：

將所述第一結果目標函數與所述第二結果目標函數通過r＝α*r₁+(1-α)*r₂進行融合得到融合目標函數r；其中，所述第一結果目標函數為r₁，所述第二結果目標函數為r₂；

在第三預設范圍內取多個推薦結果占比參數α；

將每個所述推薦結果占比參數α帶入到所述融合目標函數r中進行計算得到多個目標函數值；

將每個所述目標函數值進行推薦綜合指標計算，得到多個推薦綜合指標；

選取所述推薦綜合指標最大的所述參數α值設置為所述融合目標函數r的最終參數α值，得到最優目標函數r；

將所述最優目標函數r進行推導計算得到所述推薦模型。

5.一種基于推薦系統的推薦模型生成裝置，其特征在于，包括：

第一推薦模型處理模塊，將GLSLIM模型根據數據集進行準確率調參處理得到第一推薦模型，進行推薦結果計算得到第一結果目標函數；

第二推薦模型處理模塊，將PLSA模型根據所述數據集進行召回率調參處理得到第二推薦模型，進行推薦結果計算得到第二結果目標函數；

最優推薦模型獲取模塊，將所述第一結果目標函數與所述第二結果目標函數進行融合處理得到融合目標函數，根據所述數據集進行平衡調參處理得到推薦模型。

6.根據權利要求5所述的推薦模型生成裝置，其特征在于，所述第一推薦模型處理模塊包括：

第一參數獲取單元，用于在第一預設范圍內取多個用戶個性化權重參數；

第一推薦結果計算單元，用于將每個所述用戶個性化權重參數帶入到所述GLSLIM模型中，根據所述數據集進行計算得到多個第一推薦結果；

第一選取參數單元，用于將每個所述第一推薦結果進行計算得到多個準確率，選取所述準確率最大的所述用戶個性化權重參數設置為所述GLSLIM模型的最終用戶個性化權重參數，得到所述第一推薦模型；

第一目標函數獲取單元，用于將所述第一推薦模型進行推薦結果計算得到所述第一結果目標函數。