[發(fā)明專(zhuān)利]一種基于矩陣分解的產(chǎn)品推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811268374.6
• 申請(qǐng)日: 2018-10-29
• 公開(kāi)（公告）號(hào): CN109615452B
• 公開(kāi)（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 路松峰;吳旭;王穆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華中科技大學(xué)
• 主分類(lèi)號(hào): G06F17/16
• 分類(lèi)號(hào): G06F17/16
• 代理公司: 華中科技大學(xué)專(zhuān)利中心 42201
• 代理人: 曹葆青;李智

1.一種基于矩陣分解的產(chǎn)品推薦方法，其特征在于，包括如下步驟：

(1)對(duì)歷史評(píng)分?jǐn)?shù)據(jù)進(jìn)行預(yù)處理，得到用戶對(duì)產(chǎn)品的評(píng)分矩陣；

(2)對(duì)所述評(píng)分矩陣中同一用戶對(duì)不同產(chǎn)品的喜好程度進(jìn)行排序，并根據(jù)排序結(jié)果確定對(duì)所述評(píng)分矩陣進(jìn)行分解的損失函數(shù)；

所述步驟(2)包括：

對(duì)于所述評(píng)分矩陣中的任意一個(gè)用戶，若根據(jù)排序規(guī)則，該用戶對(duì)第一產(chǎn)品的喜好程度大于該用戶對(duì)第二產(chǎn)品的喜好程度，則由該用戶、所述第一產(chǎn)品和所述第二產(chǎn)品構(gòu)成一個(gè)有序三元組；

計(jì)算每一個(gè)有序三元組中，用戶對(duì)兩個(gè)產(chǎn)品的評(píng)分差值，并對(duì)所述評(píng)分差值進(jìn)行歸一化后取其對(duì)數(shù)；將所有歸一化評(píng)分差值的對(duì)數(shù)相加求和，作為迭代項(xiàng)；

根據(jù)分解所得兩個(gè)矩陣的矩陣范數(shù)構(gòu)建第一正則化項(xiàng)；

根據(jù)所述迭代項(xiàng)和所述第一正則化項(xiàng)確定所述損失函數(shù)；或者，獲得任意兩個(gè)用戶之間的用戶相似度以及任意兩個(gè)產(chǎn)品之間的產(chǎn)品相似度，以構(gòu)建第二正則化項(xiàng)，并根據(jù)所述迭代項(xiàng)、所述第一正則化項(xiàng)以及所述第二正則化項(xiàng)確定所述損失函數(shù)；

根據(jù)所述迭代項(xiàng)和所述第一正則化項(xiàng)所確定的損失函數(shù)，其表達(dá)式為：

根據(jù)所述迭代項(xiàng)、所述第一正則化項(xiàng)以及所述第二正則化項(xiàng)確定的損失函數(shù)的表達(dá)式為：

其中，C₁和C₂為損失函數(shù)，S為由所有有序三元組構(gòu)成的集合，u和u₁均為用戶編號(hào)，i、j和i₁均為產(chǎn)品編號(hào)，P和Q分別表示由所述評(píng)分矩陣分解所得的用戶矩陣和產(chǎn)品矩陣，p_u和分別表示所述用戶矩陣中與用戶u和用戶u₁相對(duì)應(yīng)的特征向量，q_i、q_j和分別表示所述產(chǎn)品矩陣中與產(chǎn)品i、產(chǎn)品j和產(chǎn)品i₁相對(duì)應(yīng)的特征向量，sim₁()和sim₂()分別表示用戶相似度函數(shù)和產(chǎn)品相似度函數(shù)，U₁表示與用戶u的用戶相似度大于預(yù)設(shè)的用戶相似度閾值的用戶集合，I₁表示與產(chǎn)品i的產(chǎn)品相似度大于預(yù)設(shè)的產(chǎn)品相似閾值的產(chǎn)品集合，λ、β和γ均為正則化系數(shù)，F(xiàn)表示Frobenius范數(shù)；

(3)對(duì)所述評(píng)分矩陣進(jìn)行分解，并根據(jù)所述損失函數(shù)對(duì)分解結(jié)果進(jìn)行調(diào)整，從而得到使得所述損失函數(shù)取值最小的第一特征向量和第二特征向量，由此完成矩陣分解并得到向用戶推薦產(chǎn)品的推薦列表；

其中，所述第一特征向量用于表示用戶與隱藏特征的關(guān)系，所述第二特征向量用于表示產(chǎn)品與隱藏特征的關(guān)系；所述第一正則化項(xiàng)和所述第二正則化項(xiàng)均用于防止過(guò)擬合，所述排序規(guī)則為：對(duì)于所述評(píng)分矩陣中的任意一個(gè)用戶u'，所述用戶u'對(duì)于其評(píng)分過(guò)的所有產(chǎn)品喜好程度均相同，所述u'用戶對(duì)于其未評(píng)分過(guò)的所有產(chǎn)品喜好程度均相同，并且所述用戶u'對(duì)于其評(píng)分過(guò)的任意一個(gè)產(chǎn)品的喜好程度大于其未評(píng)分過(guò)的所有產(chǎn)品的喜好程度。

2.如權(quán)利要求1所述的基于矩陣分解的產(chǎn)品推薦方法，其特征在于，所述步驟(1)包括：

利用所述歷史評(píng)分?jǐn)?shù)據(jù)生成用戶對(duì)產(chǎn)品的第一評(píng)分矩陣；

若所述第一評(píng)分矩陣的規(guī)模大于預(yù)設(shè)的數(shù)據(jù)集閾值，則對(duì)所述第一評(píng)分矩陣進(jìn)行降維操作，從而得到第二評(píng)分矩陣，并將所述第二評(píng)分矩陣作為所述評(píng)分矩陣；否則，將所述第一評(píng)分矩陣作為所述評(píng)分矩陣。

3.如權(quán)利要求1所述的基于矩陣分解的產(chǎn)品推薦方法，其特征在于，獲得任意兩個(gè)用戶之間的用戶相似度以及任意兩個(gè)產(chǎn)品之間的產(chǎn)品相似度的方法包括：

以所述評(píng)分矩陣中的用戶和產(chǎn)品為頂點(diǎn)，構(gòu)建一個(gè)有向圖；若用戶對(duì)產(chǎn)品進(jìn)行過(guò)評(píng)分，則在所述有向圖中生成一條從該用戶指向該產(chǎn)品的有向邊；

根據(jù)所述有向圖分別獲得用戶對(duì)應(yīng)的頂點(diǎn)的出度集合和產(chǎn)品對(duì)應(yīng)的頂點(diǎn)的入度集合；

任意兩個(gè)用戶的用戶相似度為所述兩個(gè)用戶對(duì)應(yīng)頂點(diǎn)的出度集合的交集與并集之比；任意兩個(gè)產(chǎn)品的產(chǎn)品相似度為所述兩個(gè)產(chǎn)品對(duì)應(yīng)頂點(diǎn)的入度集合的交集與并集之比。