[發明專利]一種基于選擇概率模型自適應鄰域的產品推薦方法

有效

• 申請號: 202010147403.4
• 申請日: 2020-03-05
• 公開（公告）號: CN111553757B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 孫知信;陳藝婷;孫哲;趙學鍵;宮婧;陳松樂;洪漢舒
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 張玉紅

1.一種基于選擇概率模型自適應鄰域的產品推薦方法，其特征在于：包括以下基本步驟：

步驟一，提取用戶行為中的用戶點擊頻度和最近一次購買時間即近度，作為初始數據，對數據進行預處理；

步驟二，根據預處理后的初始數據計算概率矩陣和凹凸度約束；

第一形狀約束為關于近度值的凸度約束，隨著近度值變大，每個近度值項選擇概率的增量增加；

第二形狀約束為關于頻度的凹度限制，隨著頻度值變大，每個頻度值項選擇概率的增量減小；

步驟三，由用戶偏差和商品偏差計算偏移函數；

步驟四，引入與用戶特征向量和其鄰居特征向量之間的差異有關的正則化項，采用隨機梯度下降法進行循環自適應更新。

2.根據權利要求1所述的一種基于選擇概率模型自適應鄰域的產品推薦方法，其特征在于：在步驟一中，提取用戶行為中的用戶點擊頻度和最近一次購買時間即近度作為初始數據，對數據進行預處理，讓J和K分別表示與新近度和頻度相對應的連續正整數的有限集，每個用戶-商品對對應一個X_jk，表示當新近度為j且頻度為k時用戶對某項商品的選擇可能性；

在歷史數據中確定一個基準日期，令n_jk表示在基準日期之前具有新近度值j和頻度值k的用戶項對的數量，而令q_jk表示在基準日期之后導致購買的那些用戶項對的數量；如果n_jk不等于0，則令X_jk＝q_jk/n_jk；否則，將x_jk置為0。

3.根據權利要求1所述的一種基于選擇概率模型自適應鄰域的產品推薦方法，其特征在于：所述步驟二計算概率矩陣中，項目選擇概率隨著新近度或頻度的增加而增加，除了單調性約束外，進一步采用另兩個形狀約束；

通過二項式分布，得出購買發生概率：

取對數得到選擇概率函數：

然后根據計算得到的商品選擇概率建立用戶興趣度矩陣Q∈R_k×n，其中n是商品數，k是頻度值。

4.根據權利要求1所述的一種基于選擇概率模型自適應鄰域的產品推薦方法，其特征在于：所述步驟三為用戶偏差b_u∈R_1×m和商品偏差b_i∈R_1×n初始化一個隨機矩陣，m是用戶數，其中，用戶偏差是交互過程中的用戶影響度，商品偏差是交互過程中商品被推薦頻度；然后預測興趣度其中μ是總體興趣度平均值，由用戶偏差和商品偏差計算偏移函數：

其中，r_u，i是已知興趣度。

5.根據權利要求1所述的一種基于選擇概率模型自適應鄰域的產品推薦方法，其特征在于：在所述步驟四中，采用隨機梯度下降法循環更新P_u，Q_i，b_u，b_i，其中P_u是用戶特征向量，Q_i是商品特征向量，b_u是用戶偏差，b_i是商品偏差：

P_u＝(1-λη·p(u))P_u+2ηe_u，iQ_i

Q_i＝(1-λη·p(u))Q_i+2ηe_u，iP_u

b_u＝(I-λη·p(u))b_u+2ηe_u，i

b_i＝(I-λη·p(u))b_i+2ηe_u，i

其中，e_u，i＝r_u，i-r_u，i，r_u，i是預測興趣度，r_u，i是已知興趣度，λ是一個正則化參數，η是一個隨機梯度變化速率；引入與用戶特征向量和其鄰居特征向量之間的差異有關的正則化項進行自適應更新：

其中，F_u是用戶u的鄰居集合，sim(u，f)是用戶u和用戶f之間的相似性。