[發(fā)明專利]基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810307840.0
• 申請(qǐng)日: 2018-04-08
• 公開(kāi)（公告）號(hào): CN108537636A
• 公開(kāi)（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 林凡;王備戰(zhàn)
• 申請(qǐng)（專利權(quán)）人: 林凡;王備戰(zhàn)
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06
• 代理公司: 北京快易權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11660
• 代理人: 趙秀英

1.基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法，其特征在于：所述算法包括用戶特征矩陣P、商品特征矩陣Q和用戶商品評(píng)分矩陣R，所述用戶特征矩陣P，每個(gè)用戶的特征向量P_u，P∈R^k×m；m表示用戶數(shù)量，所述商品特征矩陣Q，每個(gè)商品的特征向量Q_i，Q∈R^k×n；n表示商品數(shù)，所述用戶商品評(píng)分矩陣R，R∈R^n×m，r_u，i表示用戶u對(duì)商品i的評(píng)分k表示潛在特征向量，k的大小遠(yuǎn)遠(yuǎn)小于m和n。

2.根據(jù)權(quán)利要求1所述的基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法，其特征在于：公式(1)用于預(yù)測(cè)未評(píng)分項(xiàng)：

最小化公式(2)獲得最優(yōu)化矩陣P和Q

||·||_F表示Frobenius范數(shù)，公式(2)可寫(xiě)為公式(3)：

l函數(shù)表示預(yù)測(cè)值與真實(shí)值之間的差。最普遍的測(cè)量誤差的方法為均方根誤差(RMSE)和絕對(duì)值誤差(MAE)

|C|表示C的數(shù)量；表示預(yù)測(cè)評(píng)分；r_u，i表示已經(jīng)評(píng)分。

為優(yōu)化RMSE，我們定義損失函數(shù)為(4)：

3.根據(jù)權(quán)利要求1所述的基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法，其特征在于：包括結(jié)合動(dòng)態(tài)更新以及近鄰規(guī)則的在線協(xié)同過(guò)濾算法OCFDR，所述OCFDR的核心主要包括三個(gè)部分：1.計(jì)算動(dòng)態(tài)變化，如每個(gè)用戶平均動(dòng)態(tài)，每個(gè)用戶的動(dòng)態(tài)偏置以及每個(gè)商品的動(dòng)態(tài)偏置。2.每輪動(dòng)態(tài)更新用戶及商品的特征向量；3.將近鄰加入因素加入，跟蹤用戶的喜好偏移。

4.根據(jù)權(quán)利要求2所述的基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法，其特征在于：算法中預(yù)測(cè)評(píng)分公式變?yōu)?5)：

其中，μ表示所有評(píng)分的評(píng)價(jià)值，b_u表示用戶偏置，b_i表示商品偏置。用戶偏置表示用戶的內(nèi)在趨勢(shì)。例如，有些用戶傾向于比其他用戶更高的評(píng)級(jí)。項(xiàng)目偏置表示項(xiàng)目的固有屬性。例如，有些項(xiàng)目比其他項(xiàng)目獲得更高的評(píng)級(jí)。這兩種偏置都與用戶的交互無(wú)關(guān)。

5.根據(jù)權(quán)利要求1所述的基于用戶動(dòng)態(tài)行為相似性的在線協(xié)同過(guò)濾內(nèi)容推薦算法，其特征在于：為優(yōu)化RMSE，我們定義損失函數(shù)為(6)：

我們提出的OCFDR算法1為OCFDR_I：

其中p(u)表示行邊際，例如，用戶的已知某行可能性，q(i)表示列邊際，例如，商品的已知某列的可能性。

我們可將公式(7)分別針對(duì)P_u，Q_i，b_u，b_i求導(dǎo)便可解耦為以下四個(gè)公式(8)(9)(10)(11)：

隨機(jī)梯度下降法是有效地優(yōu)化和在線學(xué)習(xí)。它便于分析，且應(yīng)用廣泛。我們采用隨機(jī)梯度下降法分別優(yōu)化，然后便可得到更新公式(12)(13)(14)(15)：

其中η表示學(xué)習(xí)率參數(shù)，每一步(u,i,r)確定后，P_u，Q_i，b_u，b_i會(huì)被更新。優(yōu)化RMSE之后我們會(huì)得到相應(yīng)的等式(16)(17)(18)(19)

其中，是預(yù)測(cè)得到的評(píng)分，r_u，i是實(shí)際已知得分。