[發明專利]一種融合用戶隱式物品偏好與隱式信任的可解釋推薦方法

有效

• 申請號: 201910102002.4
• 申請日: 2019-02-01
• 公開（公告）號: CN109933721B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 中森云鏈（成都）科技有限責任公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于包括以下步驟：

步驟1：從互聯網中采集用戶數據對其進行預處理，生成用戶行為數據存放到用戶行為信息數據庫；

步驟2：基于訓練集構建用戶—方面偏好矩陣P和物品—方面質量矩陣Q；

步驟3：利用基于評分的矩陣分解方法將步驟2中的用戶—方面偏好矩陣P分解成用戶—潛特征矩陣U和方面—潛特征矩陣X的乘積，將物品—方面質量矩陣Q分解成物品—潛特征矩陣V和方面—潛特征矩陣Y的乘積；

步驟4：將用戶潛特征和物品潛特征融合得到預測的用戶評分矩陣，將其作為用戶原始評分矩陣R的近似；

步驟5：利用步驟2中的用戶方面偏好矩陣P和物品方面質量矩陣Q構建用戶的隱式物品偏好Z矩陣；

步驟6：利用觀測到的用戶評分和評論信息挖掘用戶隱式信任；

步驟7：將隱式物品偏好和隱式信任修正預測的評分，得到最終預測的評分值，模型的參數可以通過優化如下模型得到：

其中，代表弗羅貝尼烏斯范數，β₁,β₂,λ₁,λ₂是為了防止模型過擬合設置來控制各部分貢獻的參數，該模型的參數U,V,X,Y可根據梯度下降法更新，T_i,j是指用戶i對用戶j的隱式信任度，T_i,j∈T，U_i,U_j分別代表用戶i和用戶j的潛特征向量，U_i,U_j∈U，M是用戶數；

步驟8：利用RMSE和MAE對本方法的性能好壞進行評估；

步驟9：給用戶預測評分推薦Top-k個物品，同時根據用戶對物品偏好和用戶隱式信任來給出推薦解釋。

2.根據權利要求1所述的融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于：所述步驟1采集的數據至少包括用戶唯一ID、物品唯一的ID、用戶對物品的評論文本內容、用戶評分數據存放于用戶行為信息數據庫中。

3.根據權利要求1所述的融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于：所述步驟2中的用戶—方面偏好矩陣P和物品—方面質量矩陣Q是根據基于評論的方面矩陣分解的AMF模型得到的。

4.根據權利要求1所述的融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于：所述步驟3是根據矩陣分解方法將步驟2中的用戶—方面偏好矩陣P分解成用戶—潛特征矩陣U和方面—潛特征矩陣X的乘積，將物品—方面質量矩陣Q分解成物品—潛特征矩陣V和方面—潛特征矩陣Y的乘積。

5.根據權利要求1所述的融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于：所述步驟4是將用戶潛特征和物品潛特征融合得到預測的用戶評分矩陣，將其作為用戶原始評分矩陣R的近似:

R≈UV^T (1)。

6.根據權利要求1所述的融合用戶隱式物品偏好與隱式信任的可解釋推薦方法，其特征在于：利用步驟2中的用戶方面偏好矩陣P和物品方面質量矩陣Q構建用戶的隱式物品偏好Z矩陣，其計算方式如下：

z_u,i,k是用戶u對物品i的第k個方面的隱式方面偏好，z_u,i是用戶u對物品i的隱式物品偏好(z_u,i∈Z)，p_u,k是用戶u對第k個方面的方面偏好值(p_u,k∈P)，q_i,k是物品i關于第k個方面的方面質量值(q_i,k∈Q)，L是方面數。