[發(fā)明專利]一種基于協(xié)同過濾的優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201711492287.4
• 申請日: 2017-12-30
• 公開（公告）號: CN108038629A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 楊勝齊;黃樟欽;鄭龍帥;吳寒;包宇津
• 申請（專利權(quán)）人: 北京工業(yè)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(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

本發(fā)明公開了一種基于協(xié)同過濾的優(yōu)化方法，該方法為一種基于奇異值分解和BP神經(jīng)網(wǎng)絡(luò)預(yù)測未評分項的改進方法；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(chǔ)上，進一步采用BP神經(jīng)網(wǎng)絡(luò)來對未評分的目標項目進行分值預(yù)測。在此基礎(chǔ)上，進行相似性計算獲取相似鄰居列表，將商品進行推薦給目標用戶。該方法的改進核心思想是將用戶?項目評分矩陣降維，有效的緩解數(shù)據(jù)稀疏性，使得推薦準確率更高。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理和數(shù)據(jù)挖掘領(lǐng)域，具體涉及一種基于奇異值分解和BP神經(jīng)網(wǎng)絡(luò)預(yù)測未評分項的改進方法。

背景技術(shù)

進入移動互聯(lián)網(wǎng)時代，各種平臺上信息資源的體量越來越大，出現(xiàn)了比傳統(tǒng)互聯(lián)網(wǎng)時代更為嚴重的“信息過載”現(xiàn)象。面對如此巨大的信息量，用戶經(jīng)常感到無從下手，原因就是很難再通過簡單的查找較快的獲得自己喜歡的信息，同時也大大增加了人們查詢信息的時間，這是“信息過載”現(xiàn)象在電子商務(wù)領(lǐng)域的表現(xiàn)。用戶也可以通過阿里巴巴提供的搜索指數(shù)來選擇商品，但是并不一定符合自己個性化需求。因此用戶需要一種能根據(jù)自己的偏好特點來自動選擇其感興趣信息的技術(shù)，推薦算法在這種背景下得到了迅速發(fā)展。

推薦系統(tǒng)的研究重點在于如何快速的從海量信息中獲取我們感興趣的內(nèi)容，省時省力，準確快捷是首要目標。現(xiàn)在是大數(shù)據(jù)時代，各種信息數(shù)據(jù)增長速度極快，推薦系統(tǒng)的效率已經(jīng)成為學者十分重視的問題，各種框架的出現(xiàn)表明了對推薦系統(tǒng)的進一步研究已經(jīng)迫在眉睫，同時也給各類電商平臺帶來了很大改變。

根據(jù)原理的不同，個性化推薦算法有幾種不同的分類，通過不同的推薦策略來進行信息等資源的推薦，大致分為三種推薦方式：基于關(guān)聯(lián)規(guī)則、基于內(nèi)容和協(xié)同過濾推薦算法。基于關(guān)聯(lián)規(guī)則算法的本質(zhì)是獲取數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系，在獲取到用戶的行為之后，使用關(guān)聯(lián)規(guī)則技術(shù)分析各個產(chǎn)品在用戶之間購買的關(guān)系，找出各個產(chǎn)品之間的聯(lián)系，由這些產(chǎn)品的聯(lián)系推導(dǎo)出來跟其他產(chǎn)品之間的聯(lián)系，不同規(guī)則的相似度不同，這個在每個關(guān)聯(lián)規(guī)則中都可以通過兩商品同時發(fā)生的概率來表示。基于內(nèi)容的推薦算法是以平臺上商品的分類屬性來進行推薦的，首先要明確商品類別屬性，根據(jù)商品本身所具有的屬性特點來判斷某一未評分產(chǎn)品是否符合用戶的期望。協(xié)同過濾推薦算法是根據(jù)用戶的興趣進行分析的，在用戶購買商品的過程中，用戶之間和項目之間都會有相似性，通過這些相似性來進行產(chǎn)品的定向推薦，算法的核心是尋找用戶和商品的最近鄰居。

協(xié)同過濾是根據(jù)用戶的興趣進行分析的，在用戶購買商品的過程中，用戶之間和項目之間都會有相似性，通過這些相似性來進行產(chǎn)品的定向推薦，算法的核心是尋找用戶和商品的最近鄰居。該算法有兩種重要的分類，基于用戶的協(xié)同過濾算法和基于項目的協(xié)同過濾算法。最早使用到這兩種方法是在信息的過濾時進行篩選的，后來延伸出來各種類型的算法。其實這兩者的原理是相似的，都要使用到用戶對商品的評分數(shù)據(jù)來進行分析，前者是整個算法的核心，通過矩陣行數(shù)據(jù)計算用戶相似性，后者是通過列數(shù)據(jù)計算項目的相似性。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提出了一種基于奇異值分解和BP神經(jīng)網(wǎng)絡(luò)預(yù)測未評分項的改進方法。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(chǔ)上，進一步采用BP神經(jīng)網(wǎng)絡(luò)來對未評分的目標項目進行分值預(yù)測，這樣做的好處是避免了用平均分值代替而產(chǎn)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(shù)量，n是商品數(shù)量，矩陣中元素Rij是用戶i對商品j的偏好，Rij為數(shù)值。用矩陣R進行表示。

若r是m×n矩陣R的秩，那么對矩陣R進行分解