[發明專利]基于社交和社群的產品推薦方法、系統和存儲介質

有效

• 申請號: 201910496478.0
• 申請日: 2019-06-10
• 公開（公告）號: CN110209946B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 孫見山;應蓉蓉;劉業政;姜元春;凌海峰;孫春華;陳夏雨;劉春麗;耿杰;宋建
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06Q50/00
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種基于社交和社群的產品推薦方法，其特征在于，所述推薦方法由計算機執行，包括以下步驟：

獲取用戶與產品的交互數據、社交關系數據和社群關系數據，并形成歷史數據；

基于所述歷史數據和預先設置的偏序關系，確定用戶和產品的反饋關系；

基于所述歷史數據和所述反饋關系確定用戶對產品的偏好關系；

確定所述偏好關系的目標函數；

基于所述目標函數獲取用戶對產品的偏好得分；

基于所述偏好得分對用戶的未交互產品進行排序，得到產品推薦結果；

所述用戶對產品的偏好關系用基于用戶集合U對產品集合P的矩陣分解模型表示：

其中：

表示用戶集合U對產品集合P的偏好集合；

W表示用戶集合U的特征矩陣；

H表示產品集合P的特征矩陣；

b表示產品集合P的偏差項；

所述偏好關系的目標函數為：

其中：

表示用戶u對正反饋集合PF_u中產品p_i的偏好；

表示用戶u對社交反饋集合SF_u中產品p_s的偏好；

表示用戶u對社群反饋集合GF_u中產品p_g的偏好；

表示用戶u對負反饋集合NF_u中產品p_j的偏好；

σ(·)表示logistic函數；

Θ表示所述矩陣分解模型中的參數集合，即Θ＝{W,H,b}；

λ_Θ為正則化參數；

C_S表示用戶u與產品p_s沒有交互，但是用戶u的好友中與該產品有過交互的好友個數；

C_g表示用戶u與產品p_g無交互，且其社交好友對該產品無交互，但是用戶u的社群好友中對該產品有交互的社群好友個數。

2.如權利要求1所述的推薦方法，其特征在于，所述歷史數據包括：

用戶集合U，產品集合P，用戶和產品有過交互的集合D，社交關系集合S和社群關系集合G。

3.如權利要求2所述的推薦方法，其特征在于，所述預先設置的偏序關系為：

正反饋社交反饋社群反饋負反饋；

所述用戶和產品的反饋關系包括：

正反饋集合：PF_u＝{＜u,p_i＞}，

其中：＜u,p_i＞∈D，表示用戶u與產品p_i有過交互；

社交反饋集合：SF_u＝{＜u,p_s＞}，

其中：＜u,p_s＞表示用戶u的社交好友有過交互，而用戶u本身沒有交互的產品；

社群反饋集合：GF_u＝{＜u,p_g＞}，

其中：＜u,p_g＞表示用戶u的社群好友有過交互，而用戶u本身沒有交互且用戶u的社交好友也沒有交互的產品；

負反饋集合：NF_u＝{＜u,p_j＞}，

其中：＜u,p_j＞表示用戶u本身沒有交互，用戶u的社交好友和社群好友也沒有交互的產品。