[發明專利]一種融合物品內在與外在特性的推薦方法

在審

• 申請號: 202010537969.8
• 申請日: 2020-06-12
• 公開（公告）號: CN111915390A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 葉陽東;吳賓;梁慧丹;孫中川
• 申請（專利權）人: 鄭州大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合物品內在與外在特性的推薦方法，其特征在于，(1)同時考慮物品的不同特性對于用戶購買決策的影響，提出一種內外兼并的概率矩陣分解模型，該模型同時考慮物品的內在和外在因素，以更細粒度的方式來捕獲物品的不同特性對于用戶偏好的影響；(2)為使得本發明所公開的模型能夠滿足實際環境的需求，針對優化效率問題，本發明公開了一種快速交替最小二乘算法用于高效學習內外兼并的概率矩陣分解模型的參數。(3)引入一種在線更新模型參數的策略使得本發明所公開的算法可適用于真實推薦環境。

2.根據權利要求1所述的一種融合物品內在與外在特性的推薦方法，其特征在于，所構建的內外兼并的概率矩陣分解模型的目標函數為：

3.根據權利要求1和權利要求2所述的方法，其特征在于，所提出的一種快速交替最小二乘算法用于高效學習內外兼并的概率矩陣分解模型的參數：

p_uk的最終更新規則為：

z_jk的更新規則為：

q_ik的更新規則為：

那么e_tk的最終更新規則為：

4.根據權利要求1和權利要求2所述的方法，其特征在于，模型的在線更新機制為：

假若一個新交互數據(u,i)產生，且表示離線訓練得到的模型參數。策略是僅更新與預測相關的模型參數，即需注意的是，如果物品i是一個新物品，那么僅更新給定新交互數據(u,i)，并保證模型參數中與(u,i)無關參數不變，會得到顯著變化。