[發(fā)明專利]一種基于GBP的PMF方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010635459.4
• 申請(qǐng)日: 2020-07-03
• 公開(kāi)（公告）號(hào): CN111754312A
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 吳健;王強(qiáng);劉智平
• 申請(qǐng)（專利權(quán)）人: 上海解兮生物科技有限公司
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06F16/9535
• 代理公司: 北京恒泰銘睿知識(shí)產(chǎn)權(quán)代理有限公司 11642
• 代理人: 周成金

1.一種基于GBP的PMF方法，其特征在于，包含以下步驟：

1)用戶對(duì)商品作出評(píng)分，通過(guò)信息采集模塊對(duì)用戶信息和商品信息以及評(píng)分信息進(jìn)行采集；

2)信息處理：

2-1)將步驟1)中記錄所得的用戶信息和商品信息以及評(píng)分信息發(fā)送至信息處理模塊中，并通過(guò)整合模塊對(duì)信息進(jìn)行整合，去除冗余；

2-2)將步驟2-1)中處理后的信息發(fā)送到用戶信息存儲(chǔ)模塊中保存，并通過(guò)用戶信息存儲(chǔ)模塊建立系統(tǒng)評(píng)分矩陣；

3)預(yù)測(cè)商品評(píng)分：

4)商品推薦：

4-1)為多個(gè)用戶產(chǎn)生推薦，分別為每個(gè)用戶產(chǎn)生推薦的獨(dú)立過(guò)程：對(duì)一個(gè)用戶進(jìn)行推薦，由推薦列表產(chǎn)生模塊對(duì)該用戶產(chǎn)生推薦列表；

4-2)推薦列表產(chǎn)生模塊中的排序模塊對(duì)所有已進(jìn)行預(yù)測(cè)評(píng)分的商品的預(yù)測(cè)評(píng)分值由大至小進(jìn)行排序，并通過(guò)列表生成模塊將選取的結(jié)果生成推薦列表，放松給用戶；

5)完成項(xiàng)目的推薦；

對(duì)于所述步驟2-2)中，系統(tǒng)評(píng)分矩陣滿足：

當(dāng)系統(tǒng)有m個(gè)用戶，n個(gè)商品，每個(gè)用戶對(duì)每個(gè)物品的評(píng)分為從0-X。R為一個(gè)m行n列的系統(tǒng)評(píng)分矩陣，R_i,j代表用戶i對(duì)物品j的評(píng)分。R中蘊(yùn)含著用戶愛(ài)好特征，也蘊(yùn)含這物品的愛(ài)好特征。設(shè)U為一個(gè)d行m列的矩陣，每一列代表用戶的特征向量；V為一個(gè)d行n列的矩陣，每一列代表一個(gè)物品的特征向量；設(shè)f為預(yù)測(cè)函數(shù)，該函數(shù)以用戶特征和物品特征為輸入值，輸出值為該用戶對(duì)該物品的預(yù)測(cè)分?jǐn)?shù)值。

對(duì)于所述步驟3)中，預(yù)測(cè)商品評(píng)分滿足：采用評(píng)分估值公式為用戶-商品評(píng)分矩陣中缺省評(píng)分賦予評(píng)分估值，評(píng)分估值公式的目標(biāo)函數(shù)為E，函數(shù)E由如下步驟得出：

假真實(shí)評(píng)分?jǐn)?shù)據(jù)和預(yù)測(cè)評(píng)分值之差服從正態(tài)分布，即：

其中，為服從均值為方差為σ²的正態(tài)分布，I_i,j為一個(gè)指示函數(shù)，當(dāng)用戶i對(duì)物品j的有過(guò)評(píng)分，則I_i,j等于1，否則I_i,j等于0。我們假設(shè)各項(xiàng)評(píng)分的誤差之間相互獨(dú)立，所以可以寫(xiě)成連乘的形式。同樣的，我們假設(shè)用戶的特征向量和物品的特征向量分別服從均值為0方差為和均值為0方差為的正態(tài)分布，即：

由(2)、(3)、(4)以及貝葉斯公式可得：

p(R)為常數(shù)，所以(5)式正比于

對(duì)(6)兩邊取對(duì)數(shù)之后得：

忽略常數(shù)項(xiàng)，設(shè)(8)為目標(biāo)函數(shù)：

2.一種基于GBP的PMF的推薦系統(tǒng)，其特征在于，包含以下結(jié)構(gòu)：依次連接的信息采集模塊、信息處理模塊、用戶信息存儲(chǔ)模塊、商品評(píng)分模塊和推薦產(chǎn)生器；

其中，信息采集模塊，通過(guò)信息采集模塊對(duì)用戶信息和商品信息以及評(píng)分信息進(jìn)行采集；

信息處理模塊，將通過(guò)信息采集模塊采集到的用戶信息和商品信息以及評(píng)分信息發(fā)送至信息處理模塊中，并通過(guò)整合模塊對(duì)信息進(jìn)行整合，去除冗余；

用戶信息存儲(chǔ)模塊，將處理后的信息發(fā)送到用戶信息存儲(chǔ)模塊中保存，并通過(guò)用戶信息存儲(chǔ)模塊建立系統(tǒng)評(píng)分矩陣；

商品評(píng)分模塊，用于預(yù)測(cè)商品評(píng)分；

推薦產(chǎn)生器，用于商品推薦；

其中，系統(tǒng)評(píng)分矩陣滿足：

當(dāng)系統(tǒng)有m個(gè)用戶，n個(gè)商品，每個(gè)用戶對(duì)每個(gè)物品的評(píng)分為從0-X。R為一個(gè)m行n列的系統(tǒng)評(píng)分矩陣，R_i,j代表用戶i對(duì)物品j的評(píng)分。R中蘊(yùn)含著用戶愛(ài)好特征，也蘊(yùn)含這物品的愛(ài)好特征。設(shè)U為一個(gè)d行m列的矩陣，每一列代表用戶的特征向量；V為一個(gè)d行n列的矩陣，每一列代表一個(gè)物品的特征向量；設(shè)f為預(yù)測(cè)函數(shù)，該函數(shù)以用戶特征和物品特征為輸入值，輸出值為該用戶對(duì)該物品的預(yù)測(cè)分?jǐn)?shù)值。

其中，預(yù)測(cè)商品評(píng)分滿足：采用評(píng)分估值公式為用戶-商品評(píng)分矩陣中缺省評(píng)分賦予評(píng)分估值，評(píng)分估值公式的目標(biāo)函數(shù)為E，函數(shù)E由如下步驟得出：

假真實(shí)評(píng)分?jǐn)?shù)據(jù)和預(yù)測(cè)評(píng)分值之差服從正態(tài)分布，即：

其中，為服從均值為方差為σ²的正態(tài)分布，I_i,j為一個(gè)指示函數(shù)，當(dāng)用戶i對(duì)物品j的有過(guò)評(píng)分，則I_i,j等于1，否則I_i,j等于0。我們假設(shè)各項(xiàng)評(píng)分的誤差之間相互獨(dú)立，所以可以寫(xiě)成連乘的形式。同樣的，我們假設(shè)用戶的特征向量和物品的特征向量分別服從均值為0方差為和均值為0方差為的正態(tài)分布，即：

由(2)、(3)、(4)以及貝葉斯公式可得：

p(R)為常數(shù)，所以(5)式正比于

對(duì)(6)兩邊取對(duì)數(shù)之后得：

忽略常數(shù)項(xiàng)，設(shè)(8)為目標(biāo)函數(shù)：