[發明專利]基于帶權貝葉斯個性化排序的強時序性項目推薦方法及系統

有效

• 申請號: 202011072547.4
• 申請日: 2020-10-09
• 公開（公告）號: CN112199589B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 陳建海;榮大中;沈睿;何欽銘
• 申請（專利權）人: 浙江大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發明在傳統的基于貝葉斯個性化排序的推薦方法基礎之上，公開了一種基于帶權貝葉斯個性化排序的強時序性項目推薦方法及系統，屬于推薦系統領域。本發明基于隱式反饋數據集提取出所有表示同一用戶對兩個不同項目的喜好程度偏序關系的三元組，通過引入偏序關系三元組的可信度作為每個偏序關系三元組對應項的權重系數，該方法能使得更可信的偏序關系三元組產生的訓練效果更強、更不可信的偏序關系三元組產生的訓練效果更弱。偏序關系三元組的可信度由相關項目的時序信息計算得出，所以最終訓練完成的模型中將包含對于推薦項目時序信息的考慮，在處理具備較強時序性的推薦項目時能取得更好的效果，相比于傳統方法能更好地處理具備較強時序性的推薦項目。

技術領域

本發明涉及推薦系統領域，尤其涉及一種基于帶權貝葉斯個性化排序的強時序性項目推薦方法及系統。

背景技術

推薦系統的發展已有多年歷史，在眾多場景都有應用。傳統推薦系統將用戶對于項目的喜好程度視作一個矩陣，稱為用戶項目矩陣，矩陣的第i行第j列表示第i個用戶對于第j個項目的喜好程度。用戶項目矩陣中有部分數值是已知的，傳統推薦系統需要根據這些已知的數值預測出矩陣中剩余部分的數值。在補全整個用戶項目矩陣后，傳統推薦系統最終依據矩陣中數值的高低向用戶推薦項目。

用戶對于項目的喜好程度信息一般可以分為兩類：

(1)顯示反饋(explicit feedback)。用戶對項目的喜好程度信息是顯式的，比如在線觀影平臺用戶對于電影的評分，評分的高低能直接反映用戶對于項目的喜好程度。

(2)隱式反饋(implicit feedback)。用戶對項目的喜好程度信息是隱式的，比如在線觀影平臺用戶的觀影記錄，觀影記錄只能間接反映用戶對于項目的喜好程度。用戶對于自己選擇觀看的電影有較大概率是喜歡的，用戶未必不喜歡自己尚未選擇觀看的電影。總結隱式反饋的特征，隱式反饋包含噪音且只有正例、沒有負例。

目前，現有技術中存在一些常規的推薦系統，如基于傳統的貝葉斯個性化排序的自適應k近鄰推薦模型(Adaptive KNN)等，使用用戶項目矩陣中已知的數值對該模型參數進行訓練，最終在參數訓練完成后通過該模型預測用戶項目矩陣中未知的數值。其對于一般的商品推薦等效果很好，舉例而言，甲商品和乙商品都是值得向用戶推薦的商品，假如用戶已購買甲商品則可以向用戶推薦乙商品，假如用戶已購買乙商品則可以向用戶推薦甲商品。

但是針對一些具有強時序性的項目，如題目、音樂、書籍、電影，用戶對這些領域的項目的喜好程度是逐漸變化的。以題目為例，初始時用戶喜好較簡單的題目，隨著用戶不斷學習、提升，用戶喜好的題目也將越來越難、越來越復雜。用戶在做了難度更大的題目后往往不會再對相較而言更簡單的題目感興趣了。若甲題目和乙題目都是值得向用戶推薦的題目，這兩道題目考察的知識點類似，但難度不同，乙題目比甲題目更難。假如用戶已經做了甲題目則可以向用戶推薦乙題目。但是，假如用戶已經做了乙題目，此時向用戶推薦甲題目未必是一個明智的選擇。

因此，對于這些具備強時序性的項目，需要研究一種適合的推薦方法和推薦系統。

發明內容

針對傳統的推薦方法在處理具備較強時序性的推薦項目時的不足，本發明提出了一種基于帶權貝葉斯個性化排序的強時序性項目推薦方法及系統。通過引入偏序關系三元組的可信度作為每個偏序關系三元組對應項的權重系數，該方法能使得更可信的偏序關系三元組產生的訓練效果更強、更不可信的偏序關系三元組產生的訓練效果更弱。偏序關系三元組的可信度由相關項目的時序信息計算得出，所以最終訓練完成的模型中將包含對于推薦項目時序信息的考慮，在處理具備較強時序性的推薦項目時能取得更好的效果。

本發明提供了如下技術方案：

一種基于帶權貝葉斯個性化排序的強時序性項目推薦方法，包括以下步驟：