[發明專利]一種基于用戶偏好的矩陣分解推薦方法

有效

• 申請號: 201810581293.5
• 申請日: 2018-06-07
• 公開（公告）號: CN108960966B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 劉洪濤;毛歐陽;郭路路
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/16;G06F16/9536
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

本發明請求保護一種基于用戶偏好的矩陣分解推薦方法，包括步驟：S1，依據用戶評分數據，構建用戶?項目評分矩陣和項目偏好程度向量；S2，依據用戶評分數據和項目信息數據，構建項目類型矩陣和用戶個性化矩陣；S3，利用用戶評分矩陣、用戶個性化矩陣和項目偏好程度向量，構建用戶評分基準矩陣；S4，基于矩陣分解，對用戶評分矩陣進行拆分，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獲得預測評分矩陣，將預測評分高的項目推薦給目標用戶。本發明提高預測評分精度。

技術領域

本發明屬于數據挖掘協同領域，特別是涉及一種基于用戶個性化的矩陣分解推薦方法。

背景技術

在如今這個大數據時代，大量的信息映入人們的眼簾，每個人身邊都充斥著大量的信息，尤其是在互聯網中，包含著人們需要的全部內容，但是“信息過載”問題成為了獲取信息的一個待解決的問題，目前的大多數搜索引擎給用戶提供的服務是相同的，而個性化服務成為了未來的一個趨勢。在這種情況下，推薦系統應運而生。

那么如何有效的將這些信息點對點的個性化推薦給需要的人成為現在研究熱點。現如今，推薦系統已經在網上購物、電影、音樂、新聞、社交等領域獲得飛速的發展，一個良好的推薦系統，會給用戶一種親切懂我感覺：“太棒了！這就是我想要的！”，以此獲得用戶信任，這對運營也相當有益，增加用戶粘性，活躍度，及提高各種轉化率。

其次在實際應用方面可以分為兩個層面：

對于商家來說，特定的商家可以利用推薦算法為自己創造價值，不僅有利于促進商家的業績，還能為商家吸引更多的用戶，有助于商家與客戶建立長期穩定的關系，提高客戶忠誠度，防止用戶流失。

對于用戶來說，推薦算法可以作為特定推薦系統的核心部分，為用戶提供個性化的推薦服務，使用戶從浩瀚的信息資源中解脫出來，不僅能夠使用戶很快地得到其感興趣的內容，還能節省用戶的時間和精力，這就大大地方便了用戶，給了用戶更好的實際體驗。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種提高預測的準確度、降低迭代次數的基于用戶偏好的矩陣分解推薦方法。本發明的技術方案如下：

一種基于用戶偏好的矩陣分解推薦方法，其包括以下步驟：

S1，依據用戶評分數據，構建用戶-項目評分矩陣和項目偏好程度向量；S2，依據用戶評分數據和項目信息數據，構建項目類型矩陣和用戶個性化矩陣；S3，利用用戶評分矩陣、用戶個性化矩陣和項目偏好程度向量，構建用戶評分基準矩陣；S4，基于矩陣分解，對用戶評分矩陣進行拆分，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獲得預測評分矩陣，將預測評分高的項目推薦給目標用戶。

進一步的，所述步驟S1依據用戶評分數據，構建用戶-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，M為項目的總數，均為正整數，且i為不大于N的正整數，m為不大于M的正整數；同時根據用戶的評分矩陣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。

進一步的，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。