[發明專利]一種基于計算實驗的推薦系統驗證方法

在審

• 申請號: 202111473796.9
• 申請日: 2021-12-02
• 公開（公告）號: CN114168465A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 周顯;薛霄
• 申請（專利權）人: 天津大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

1.一種基于計算實驗的推薦系統驗證方法，所述方法是基于推薦系統單元、用戶選擇處理單元和數據處理單元，其特征在于：所述用戶選擇處理單元根據網絡在線用戶的行為習慣通過如下步驟實現對推薦系統在線交互過程；其中：

通過獲取推薦系統結果和用戶主體的歷史選擇的向量表示；

根據用戶主體的行為選擇模型對基于標簽相似度的推薦系統主體、協同過濾推薦系統主體和多樣性推薦系統主體的推薦結果進行概率計算；

用戶主體根據概率判斷是否對推薦結果進行選擇，滿足選擇條件則將用戶主體的選擇結果反饋給推薦系統用于調整用戶模型；否則返回上一步；其中：所述反饋給推薦系統用于調整用戶模型包括如下過程：

用戶選擇處理單元將用戶主體保持一個當前交互周期的歷史選擇H^t，其記錄用戶主體在某一時刻t時的歷史選擇項目，其相關定義如下：

約束條件：length≤capcity

其中，對應于H^t中的具體項目，length表示用戶主體歷史選擇存儲隊列的當前容量；capcity表示用戶主體歷史選擇存儲隊列的最大容量；

當用戶主體依據自身的行為選擇習慣做出新的選擇時，用戶主體在新的交互周期的選擇結果會按順序加入到該用戶主體的歷史行為存儲隊列的隊尾，如果該隊列未滿，則直接加入到隊尾，否則，在該存儲隊列中出隊相應數量的歷史選擇項目，然后將選擇結果加入到隊尾，以維持隊列最大容量不變；

推薦系統在某一時刻t向用戶主體推薦一個項目列表，用戶對項目列表中的項目進行選擇，最終的選擇結果記作a^t，其定義如下：

約束條件：0≤n≤k

其中，k表示推薦系統每次向用戶推薦的項目數量。

2.根據權利要求1所述的一種基于計算實驗的推薦系統驗證方法，其特征在于：

所述用戶選擇處理單元根據用戶主體對推薦結果中每個項目的選擇結果模型，用戶主體將依據該模型對推薦結果進行選擇，具體公式如下：

其中，φ(H^t,A^t)代表用戶主體的選擇效用，該公式表示用戶對推薦列表中每個項目的選擇效用。

3.根據權利要求1所述所述的一種基于計算實驗的推薦系統驗證方法，其特征在于：所述基于標簽相似度的推薦系統主體是通過將用戶在某一交互周期t的選擇項目映射為向量，取得當前周期所有選擇項目的向量的累加結果的平均；利用該結果向量計算待選項目集合L^t余弦相似度最高的項目加入到推薦列表；即：

其中，代表在交互周期t時待選項目集合L^t中的項目向量，i∈L^t。而代表用戶u在上一交互周期中所有的選擇項目的平均向量和：

其中n代表用戶選擇項目的數量。

4.根據權利要求1所述所述的一種基于計算實驗的推薦系統驗證方法，其特征在于：

所述協同過濾的推薦系統主體是通過對處于同一組織中的用戶歷史行為數據進行挖掘，發現用戶的興趣，基于不同的興趣對用戶進行群組劃分并推薦品味相似的商品；即：

A^t＝topk(pred(u,i))

其中：r_uj代表用戶u對項目i的評分，I代表項目集合。

5.根據權利要求1所述所述的一種基于計算實驗的推薦系統驗證方法，其特征在于：

所述基于多樣性的推薦系統主體是增加了隨機性的推薦內容使得推薦結果的多樣性增加；這種隨機內容通過如下規則進行選取：

rond_item＝Random(L^t)

推薦結果就可以表示為：

A^t＝s·rond_item+top(k-s)(strategy1)

其中，s代表在每一個推薦周期中推薦算法向推薦結果中引入隨機項目的數量。