[發明專利]一種基于協同過濾的優化方法

在審

• 申請號: 201711492287.4
• 申請日: 2017-12-30
• 公開（公告）號: CN108038629A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 楊勝齊;黃樟欽;鄭龍帥;吳寒;包宇津
• 申請（專利權）人: 北京工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/08;G06Q30/06
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于協同過濾的優化方法，該方法為一種基于奇異值分解和BP神經網絡預測未評分項的改進方法；其特征在于：該方法通過奇異值分解用戶-項目評分矩陣，有效的降低了矩陣的稀疏性；同時在奇異值分解的基礎上，進一步采用BP神經網絡來對未評分的目標項目進行分值預測，這樣做的好處是避免了用平均分值代替而產生的效果單一性，從而使推薦的準確性有了較大提升；

將用戶對商品的評分用m×n矩陣R表示，其中，m是用戶數量，n是商品數量，矩陣中元素Rij是用戶i對商品j的偏好，Rij為數值；用矩陣R進行表示；

R = R 11 ... R 1 j ... R 1 n . . . . . . . . . R i 1 ... R i j ... R i n . . . . . . . . . R m 1 ... R m j ... R m n ]]>

若r是m×n矩陣R的秩，那么對矩陣R進行分解

R = U * S * V T = U * Σ r 0 0 0 * V T ]]>

(1)U是m×m階酋矩陣，表示用戶特征矩陣；S是半正定m×n階對角矩陣，S還能夠用∑r的對角陣來表示；VT是V的共軛轉置矩陣，是n×n階酋矩陣，表示商品的特征矩陣；

(2)RRT的特征值λ1,λ2,…λr也是RTR的特征值；

(3)存在m×n的矩陣S符合∑ii＝σi，其中1≤i≤r，σi就是矩陣R的奇異值，這里存在的數量關系即可用來表示特征值的關系；

奇異值分解能夠用于解決矩陣降維的問題，在電商個性化推薦系統中將其應用到用戶-項目評分矩陣上，進行矩陣變換，這一過程是獲取矩陣數據的重要特征值來取代整個的稀疏矩陣；

(1)首先對于用戶項目評分矩陣R，采用奇異值分解公式進行分解；

(2)然后把矩陣S中對角線上r-k個最小奇異值置為0，得Sk；

(3)最后計算Rk＝USkVT作為R的重構矩陣；

奇異值分解過程是在進行奇異值分解之前首先對數據進行處理，將用戶和商品區別開來，矩陣中的Rij即表示所有用戶i對商品j的喜好分值，若沒有用戶評分，則該項設置為0；在結合協同過濾推薦算法中，奇異值分解可以方便快速的處理原始數據，在保證數據集基本不缺失重要數據的情況下，對當前評分矩陣數據極度稀疏性這一問題；

在協同過濾推薦方法中，目標用戶和商品之間的關系影響整個算法推薦流程，利用用戶的相似鄰居對某一商品的評分來對其他商品進行評估；在獲得準確完整的用戶評價數據之后即可利用奇異值來進行處理。