[發(fā)明專(zhuān)利]一種基于人工免疫的推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810086499.0
• 申請(qǐng)日: 2018-01-23
• 公開(kāi)（公告）號(hào): CN108182288A
• 公開(kāi)（公告）日: 2018-06-19
• 發(fā)明（設(shè)計(jì)）人: 皮德常;李宗堃
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06N3/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)一種基于人工免疫的推薦方法，通過(guò)智能識(shí)別終止?fàn)顟B(tài)的人工免疫算法以及區(qū)域降維的人工免疫算法，獲取用戶的“鄰居集”為待推薦用戶提出“喜好”相似的用戶；針對(duì)通過(guò)人工免疫算法得到的“鄰居集用戶”喜好采用評(píng)分矩陣，計(jì)算出最終推薦。本發(fā)明解決了傳統(tǒng)推薦技術(shù)存在的許多缺陷，例如稀疏問(wèn)題，提出一個(gè)基于矩陣分解的推薦算法和新預(yù)測(cè)評(píng)分方法，提升了推薦結(jié)果質(zhì)量。本發(fā)明的優(yōu)點(diǎn)：在相似度計(jì)算中使用Kappa距離作為度量，增大相似度準(zhǔn)確性。在獲取用戶鄰居集時(shí)使用人工免疫方法，從精準(zhǔn)度以及時(shí)間效率上提升算法的可用性。對(duì)人工免疫算法，提出了狀態(tài)智能終止策略，提高人工免疫的適應(yīng)性；提出了區(qū)域降維，加快算法的時(shí)空效率；對(duì)傳統(tǒng)的評(píng)分矩陣進(jìn)行矩陣分解處理，增強(qiáng)推薦的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于人工免疫的推薦方法，是針對(duì)無(wú)標(biāo)簽用戶“喜好”信息的預(yù)處理與推薦方法，屬于信息科學(xué)的領(lǐng)域。

背景技術(shù)

人工免疫系統(tǒng)(Artificial Immune System：AIS)是人們受生物免疫系統(tǒng)啟發(fā)，模擬其生物機(jī)制發(fā)展起來(lái)的新興計(jì)算智能技術(shù)。隨著醫(yī)學(xué)在生物免疫系統(tǒng)領(lǐng)域的研究發(fā)展，人們對(duì)該免疫系統(tǒng)在生物體內(nèi)復(fù)雜的防衛(wèi)功能在各方面所表現(xiàn)出的一些本能現(xiàn)象的認(rèn)識(shí)與理解不斷得到深化與完善，并逐漸形成了一門(mén)較為完整的學(xué)科——生物免疫學(xué)，著力揭示生物機(jī)體對(duì)“自我”和“非我”抗原的識(shí)別與應(yīng)答、排斥異己和維持自身耐受過(guò)程中的奧秘。生物免疫系統(tǒng)是不亞于神經(jīng)系統(tǒng)的復(fù)雜系統(tǒng)，其復(fù)雜的機(jī)制到目前還也無(wú)法完全弄清楚，但是它所具有的多種優(yōu)良特性引起了各學(xué)科的研究興趣，如多樣性、耐受性、免疫記憶、分布式并行處理、自組織、自學(xué)習(xí)、自適應(yīng)和魯棒性等。本發(fā)明的意義是通過(guò)人工免疫系統(tǒng)這種手段來(lái)對(duì)信息進(jìn)行有效的識(shí)別與判斷，在推薦系統(tǒng)中利用免疫網(wǎng)絡(luò)的特性來(lái)從眾多用戶中找到與目標(biāo)用戶具有相同或相近的喜好的“鄰居集”。

推薦系統(tǒng)使用者是用戶，推薦的是項(xiàng)目，項(xiàng)目是指推薦系統(tǒng)提供給用戶的產(chǎn)品或服務(wù)。在利益驅(qū)動(dòng)下電子商務(wù)商家紛紛開(kāi)始把推薦系統(tǒng)嵌入到他們的電子商務(wù)系統(tǒng)中，從而引發(fā)了推薦系統(tǒng)研究和應(yīng)用的熱潮。美國(guó)幾乎所有知名的大學(xué)都有專(zhuān)門(mén)從事推薦系統(tǒng)的研究組，如的UC Berkeley的Berkeley Workshop on Colaborative Filtering。世界上幾乎所有的大型電子商務(wù)商都可以為顧客提供個(gè)性化推薦服務(wù)，有的商家甚至能同時(shí)提供幾種推薦服務(wù)。例如Amazon書(shū)店，同時(shí)提供了Book Matcher，Customer Comments等個(gè)性化推薦服務(wù)UI。而在國(guó)內(nèi)，這種基于用戶的個(gè)性化推薦也在電子商務(wù)領(lǐng)域初見(jiàn)倪端。很多企業(yè)己經(jīng)十分注重通過(guò)這種方式來(lái)提高電子商務(wù)的競(jìng)爭(zhēng)力。國(guó)內(nèi)的新浪商城、網(wǎng)易商城、和在線購(gòu)物，也都有適合自身網(wǎng)站特色的推薦系統(tǒng)。但是一般的電子商務(wù)推薦系統(tǒng)關(guān)注點(diǎn)不是為用戶盡可能準(zhǔn)確地提供個(gè)性化推薦服務(wù)，而是在利益驅(qū)動(dòng)下為用戶盡可能多地推薦其可能感興趣的商品。而本發(fā)明所關(guān)心的是推薦系統(tǒng)如何為用戶提供其最喜歡的商品，為此我們?cè)诨趨f(xié)同過(guò)濾的推薦系統(tǒng)的核心算法中引入免疫算法思想。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明提供一種推薦算法，借鑒生命科學(xué)中免疫的概念與理論，圍繞系統(tǒng)多樣性自動(dòng)調(diào)節(jié)、抗體克隆選擇學(xué)說(shuō)等技術(shù)，從精度和時(shí)間效率兩方面改進(jìn)傳統(tǒng)人工免疫算法，通過(guò)基于狀態(tài)智能終止、區(qū)域降維的免疫算法尋找與目標(biāo)用戶的“鄰居集”，提出一種基于矩陣分解的改進(jìn)模型，并且對(duì)計(jì)算推薦值的其他兩個(gè)步驟進(jìn)行改進(jìn)，解決了推薦算法中的稀疏性、推薦項(xiàng)目不準(zhǔn)確的問(wèn)題。

技術(shù)方案：本發(fā)明提出一種基于人工免疫的推薦算法，結(jié)合人工免疫以及基于矩陣分解的推薦算法。為尋找用戶的鄰居集：針對(duì)其終止條件判定困難的問(wèn)題，提出一種可智能識(shí)別終止?fàn)顟B(tài)的人工免疫算法，通過(guò)監(jiān)測(cè)算法迭代過(guò)程中新生成種群的變化趨勢(shì)，根據(jù)新生成細(xì)胞與網(wǎng)絡(luò)中已有細(xì)胞的親和度，判斷網(wǎng)絡(luò)是否達(dá)到飽和。針對(duì)其網(wǎng)絡(luò)更新慢的問(wèn)題，提出一種區(qū)域搜索方法，該方法對(duì)網(wǎng)絡(luò)細(xì)胞和抗原所在的抗體空間進(jìn)行均等的區(qū)域劃分，在免疫應(yīng)答過(guò)程中僅搜索與抗原位于同一子空間內(nèi)的抗體細(xì)胞。針對(duì)離散評(píng)分?jǐn)?shù)據(jù)集，提出了基于矩陣分解的改進(jìn)的模型。在計(jì)算推薦結(jié)果的過(guò)程中，提出了新預(yù)測(cè)評(píng)分方法。其具體的技術(shù)方案包括以下幾個(gè)步驟：