[發(fā)明專利]一種基于多目標(biāo)進(jìn)化算法的個(gè)性化商品推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811433908.6
• 申請(qǐng)日: 2018-11-28
• 公開（公告）號(hào): CN109615421B
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 程凡;許飛;袁莘智;王子立
• 申請(qǐng)（專利權(quán)）人: 安徽大學(xué)
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06Q30/06;G06K9/62
• 代理公司: 合肥市長(zhǎng)遠(yuǎn)專利代理事務(wù)所(普通合伙) 34119
• 代理人: 金宇平

本發(fā)明公開了一種基于多目標(biāo)進(jìn)化算法的個(gè)性化商品推薦方法，包括：按照預(yù)設(shè)比例將多類數(shù)據(jù)集分成多類訓(xùn)練集與測(cè)試集，再將多類訓(xùn)練集以一對(duì)多方式分成若干個(gè)二類訓(xùn)練子集；對(duì)多目標(biāo)種群進(jìn)行初始化，并對(duì)二類訓(xùn)練子集進(jìn)行二進(jìn)制編碼得到N個(gè)個(gè)體；將N個(gè)個(gè)體體進(jìn)行多目標(biāo)迭代得到pareto前沿面；將pareto前沿面上AUC值最大的個(gè)體對(duì)應(yīng)的SVM分類器作為預(yù)測(cè)模型；根據(jù)模型改進(jìn)策略對(duì)預(yù)測(cè)模型進(jìn)行改進(jìn)，得到目標(biāo)預(yù)測(cè)模型；根據(jù)目標(biāo)預(yù)測(cè)模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)，根據(jù)測(cè)試集中每個(gè)樣本的AUC值對(duì)測(cè)試集中每個(gè)樣本進(jìn)行分類，得到測(cè)試集中每個(gè)樣本的類別。

技術(shù)領(lǐng)域

本發(fā)明涉及是商品推薦技術(shù)領(lǐng)域，尤其涉及一種基于多目標(biāo)進(jìn)化算法的個(gè)性化商品推薦方法。

背景技術(shù)

當(dāng)今社會(huì)日新月異，科學(xué)技術(shù)的不斷發(fā)展使人們的生活更加便利，人們可以很便利地從各個(gè)渠道獲取商品資源信息并購(gòu)買想要的商品，同時(shí)大量的商品信息又容易造成客戶選擇困難；如何有效對(duì)海量商品資源進(jìn)行檢索和訪問(wèn)，商品推薦就變得非常重要。

目前個(gè)性化商品推薦方法的應(yīng)用非常廣泛，特別在電子商務(wù)領(lǐng)域，呈現(xiàn)出良好情景。對(duì)于大多數(shù)客戶來(lái)說(shuō)，他們想要的商品資源信息是他們所需要的，所感興趣的；而目前的現(xiàn)狀是自主經(jīng)營(yíng)的電商平臺(tái)擁有較為豐富的商品類目及商品，但缺少用戶量，同時(shí)積累的用戶歷史行為數(shù)據(jù)也相對(duì)較少，而且沒有辦法獲取用戶更多維度的信息，這就導(dǎo)致電商無(wú)法有效根據(jù)客戶以往購(gòu)買或者歷史查詢商品信息來(lái)構(gòu)建一種有效對(duì)客戶推薦商品的方法，因此急需要一種高效的個(gè)性化商品推進(jìn)方法來(lái)解決上述問(wèn)題。

發(fā)明內(nèi)容

基于背景技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提出了一種基于多目標(biāo)進(jìn)化算法的個(gè)性化商品推薦方法；

本發(fā)明提出的一種基于多目標(biāo)進(jìn)化算法的個(gè)性化商品推薦方法，包括：

S1、按照預(yù)設(shè)比例將多類數(shù)據(jù)集分成多類訓(xùn)練集與測(cè)試集，再將多類訓(xùn)練集以一對(duì)多方式分成若干個(gè)二類訓(xùn)練子集；

S2、對(duì)多目標(biāo)種群進(jìn)行初始化，并對(duì)二類訓(xùn)練子集進(jìn)行二進(jìn)制編碼得到N個(gè)個(gè)體；

S3、將N個(gè)個(gè)體體進(jìn)行多目標(biāo)迭代得到pareto前沿面；

S4、將pareto前沿面上AUC值最大的個(gè)體對(duì)應(yīng)的SVM分類器作為預(yù)測(cè)模型；

S5、根據(jù)模型改進(jìn)策略對(duì)預(yù)測(cè)模型進(jìn)行改進(jìn)，得到目標(biāo)預(yù)測(cè)模型；

S6、根據(jù)目標(biāo)預(yù)測(cè)模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)，根據(jù)測(cè)試集中每個(gè)樣本的AUC值對(duì)測(cè)試集中每個(gè)樣本進(jìn)行分類，得到測(cè)試集中每個(gè)樣本的類別，根據(jù)每個(gè)樣本的類別確定每個(gè)樣本對(duì)應(yīng)的商品種類。

優(yōu)選地，步驟S2，具體包括：

S21、對(duì)二類訓(xùn)練子集中的樣本進(jìn)行二進(jìn)制編碼，得到一組長(zhǎng)度為二類訓(xùn)練子集樣本數(shù)相同的01字符串，0表示選取該訓(xùn)練樣本，1表示不選取該訓(xùn)練樣本，將得到的二進(jìn)制字符串記為一個(gè)個(gè)體；

S22、重復(fù)執(zhí)行步驟S21，直到得到N個(gè)個(gè)體。

優(yōu)選地，步驟S3，具體包括：

S31、將N個(gè)個(gè)體作為父代進(jìn)入多目標(biāo)種群迭代過(guò)程，并計(jì)算每個(gè)個(gè)體的TPR與FPR，TPR＝TP/(TP+FN),FPR＝FP/(FP+TN)，其中，TP表示正樣本被正確分類成正類樣本的個(gè)數(shù)，F(xiàn)N表示負(fù)樣本被錯(cuò)誤分類成正類樣本的個(gè)數(shù)，F(xiàn)P表示正樣本被錯(cuò)誤分類成負(fù)類樣本的個(gè)數(shù)，TN表示負(fù)樣本被正確分類成負(fù)類樣本的個(gè)數(shù)；

S32、根據(jù)TPR與FPR計(jì)算擁擠距離和適應(yīng)度值，并產(chǎn)生子代個(gè)體；

S33、將父代與子代合并進(jìn)入第一次迭代，并通過(guò)精英機(jī)制選出新的子代且作為下一次迭代中的父代；