[發(fā)明專利]一種基于用戶偏好的矩陣分解推薦方法

有效

• 申請?zhí)枺?/td>: 201810581293.5
• 申請日: 2018-06-07
• 公開（公告）號: CN108960966B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計）人: 劉洪濤;毛歐陽;郭路路
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/16;G06F16/9536
• 代理公司: 重慶市恒信知識產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

1.一種基于用戶偏好的矩陣分解推薦方法，其特征在于，包括以下步驟：

S1，依據(jù)用戶評分?jǐn)?shù)據(jù)，構(gòu)建用戶-項目評分矩陣和項目偏好程度向量；S2，依據(jù)用戶評分?jǐn)?shù)據(jù)和項目信息數(shù)據(jù)，構(gòu)建項目類型矩陣和用戶個性化矩陣；S3，利用所述用戶-項目評分矩陣、用戶個性化矩陣和項目偏好程度向量，構(gòu)建用戶評分基準(zhǔn)矩陣；

所述步驟S3構(gòu)建用戶評分基準(zhǔn)矩陣具體包括：將用戶-項目評分矩陣非0值，用全局均值加上用戶個性化矩陣、項目偏愛程度向量的均值，從而求得用戶評分基準(zhǔn)矩陣；

其中，R_b表示用戶評分基準(zhǔn)矩陣，表示用戶打分的全局均值，N_j表示第j個項目的類型個數(shù)，I_j表示第j個項目的偏好程度；u，m分別表示用戶和項目，Uit表示用戶個性化矩陣的元素值；

S4，基于矩陣分解，對所述用戶評分基準(zhǔn)矩陣進(jìn)行拆分，從而形成用戶-隱語義矩陣p、隱語義-項目矩陣q和用戶偏好向量bu和項目偏好向量bi；S5，利用梯度下降法，優(yōu)化用戶-隱語義矩陣p、隱語義-項目矩陣q和用戶偏好向量bu和項目偏好向量bi；S6，利用矩陣p、q和向量bu、bi獲得預(yù)測評分矩陣，將預(yù)測評分高的項目推薦給目標(biāo)用戶；

預(yù)測基準(zhǔn)分?jǐn)?shù)為：

其中，μ表示全局平均數(shù)，U_ui表示用戶個性化矩陣，I_i表示項目偏愛程度向量；

預(yù)測評分矩陣為：

其中，η表示預(yù)測基準(zhǔn)分?jǐn)?shù)，bu表示用戶評分均值相對η的偏移，bi表示項目評分均值相對η的偏移，qi表示第i個用戶的隱類和項目之間的關(guān)系矩陣，pu為第u個用戶和隱類之間的關(guān)系矩陣。

2.根據(jù)權(quán)利要求1所述的一種基于用戶偏好的矩陣分解推薦方法，其特征在于，所述步驟S1依據(jù)用戶評分?jǐn)?shù)據(jù)，構(gòu)建用戶-項目評分矩陣和項目偏好程度向量具體包括：通過讀取用戶對不同項目的打分情況，未評分的項目評分為空值，形成一個N×M用戶-項目評分矩陣R；其中元素R_{(ui，m)}表示第i個用戶對第m個項目的評分；所述N為用戶的總數(shù)，M為項目的總數(shù)，均為正整數(shù)，且i為不大于N的正整數(shù)，m為不大于M的正整數(shù)；同時根據(jù)用戶的評分矩陣R計算每個項目均值減去全局均值，獲得項目偏愛程度向量其中元素表示第m個項目偏愛程度評分，且m為不大于M的正整數(shù)。

3.根據(jù)權(quán)利要求2所述的一種基于用戶偏好的矩陣分解推薦方法，其特征在于，所述用戶-項目評分矩陣形成的矩陣為稀疏矩陣，采用鄰接表的形式進(jìn)行存儲，矩陣中1表示包含該類型，0表示不包含該類型；項目偏好程度向量的計算是：使用不同用戶對同一個項目打分的情況，計算出該項目的均值減去全局均值作為其項目該類型的一個偏愛程度，同理求出每個項目偏愛程度，最終形成項目偏愛程度向量。

4.根據(jù)權(quán)利要求2所述的一種基于用戶偏好的矩陣分解推薦方法，其特征在于，所述步驟S2依據(jù)用戶評分?jǐn)?shù)據(jù)和項目信息數(shù)據(jù)，構(gòu)建項目類型矩陣和用戶個性化矩陣具體包括：獲取項目信息數(shù)據(jù)，形成一個M×T項目類型矩陣T；其中元素T(m，t)表示第m個項目是否包含類型t，包含則為1，不包含則為0；獲取用戶的評分矩陣R和項目信息數(shù)據(jù)，計算用戶對不同類型項目打分的一個情況，形成用戶個性化特征向量；對每個用戶依次計算，最終形成一個N×L用戶個性化矩陣U；其中元素P_(ui，l)表示第i個用戶對第l個項目類型的偏愛程度打分；所述N為用戶的總數(shù)，L為項目類型的總數(shù)，均為正整數(shù)，且i、l均為不大于N的正整數(shù)。

5.根據(jù)權(quán)利要求4所述的一種基于用戶偏好的矩陣分解推薦方法，其特征在于，所述步驟S2中構(gòu)建用戶個性化矩陣和項目偏愛程度向量的方法包括：

根據(jù)同一個用戶對不同項目類型打分的情況，計算出不同類型項目打分均值減去全局均值，從而求得用戶對不同類型項目的一個偏愛程度，同理求出每一個用戶偏愛程度向量，最終形成用戶個性化矩陣。