[发明专利]一种基于联合非负矩阵分解的个性化产品推荐方法

说明书

技术领域

本发明涉及非负矩阵分解，产品推荐等技术领域，特别是考虑到用户复杂的社交网络结构和联合非负矩阵分解的产品推荐工作。 

背景技术

随着互联网的高速发展，越来越的实体商品开始转向网络销售。网络销售省去了实体销售的店面投资，降低了店面维护的人力成本，同时也更容易摆脱地域的限制，将产品销往全国各地，甚至其他国家。然而面对大批量的潜在用户，如何对特定人群进行合理的产品推荐则成为扩大产品收益的最有效途径之一。与此同时，除了产品的定向营销，推荐算法还被广泛的使用在其他应用场景之中，如音乐推荐、电影推荐、图书推荐，美食推荐等，虽然很多以推荐为核心竞争力的网站直接获益不多，但间接收益却十分可观。因此一种好的推荐算法，在产品推广和提高普通用户生活质量方面都起到了很重要的作用。 

传统的产品推荐工作，主要采用协同过滤的推荐方法，一般基于两点假设：1）用户会喜欢与自己评分较高的产品相似的产品；2）对相同产品给出相近评价的用户，往往会喜欢对方评分较高的产品。然而，现有的协同过滤方法大多只考虑“用户对已购买产品的评分”这部分数据，而且对于那些购买产品很少的用户，推荐效果很差，尤其对于那些完全没有购买过产品的新用户，几乎不能给出任何有效的建议。 

本发明提出了一种基于联合非负矩阵分解的方法，综合考虑了社 交网络中的用户结构关系和产品评价信息，解决了传统方法不能有效处理新用户的问题，对没有购买过任何产品的新用户进行有效的产品推荐。 

发明内容

为了进行网络上的产品营销和推广，方便大众的日程生活，同时提高普通用户的生活质量，本发明提出了一种基于联合非负矩阵分解的个性化产品推荐方法： 

1、该方法包括以下步骤： 

1）从互联网中抓取数据信息，包括用户对已购买产品的评分、用户之间的好友关系，用户对于已购买产品的文字评价； 

2）将数据信息转化成数据矩阵，每一个用户的数据信息是其中的一个行向量； 

3）利用联合非负矩阵分解的方法，将原始数据矩阵分解成多个低维空间下的数据矩阵； 

4）根据低维空间下的数据矩阵，估算每一个用户对于所有未购买产品的评分，按照评分高低进行产品推荐。 

进一步，步骤1）中所述的用户对已购买产品的评分、用户之间的好友关系，其特征在于： 

用户对已购买产品的评分是一个非负实数，用户之间的好友关系可以是“微博”中的关注关系，也可以是其他社交网络中的好友关系、信任关系等。 

进一步，步骤2）中所述的将数据信息转化成数据矩阵，每一个 用户的数据信息是其中的一个行向量，其特征在于： 

1）对于用户对已购买产品的评分数据，针对每一个用户，定义向量 j表示第j个用户，m为不同产品的总数， （i≤m）取值为用户j对于产品i的评分，如果用户没有购买过产品i，则评分设置为0； 

2）对于用户之间的好友关系，针对每一个用户，定义向量 j表示第j个用户，m为所有用户的总数，（i≤m）取值0或1，如果第i个用户是第j个用户的好友，取值为1，否则取值为0；