[发明专利]一种自适应权重组合推荐算法

权利要求书

1.一种自适应权重组合推荐算法，其特征在于，包括以下步骤:

S1、统计用户的历史购买数据，建立用户模型矩阵；

S2、由每个推荐模块生成推荐集，并计算商品与用户模型相似度；

S3、根据用户的反馈计算每个推荐模块的推荐权重；

S4、利用贝叶斯公式计算权重值；

S5、计算每个商品的推荐度；

S6、将推荐度最高的商品推荐给用户；

S7、计算下一个时间周期内用户的反馈，并更新用户模型。

2.根据权利要求1所述的一种自适应权重组合推荐算法，其特征在于，所述所述S1中用户模型矩阵M＝{m₁，m₂，…，m_t}，其中m_u表示用户的兴趣属性，u∈[1，t]。

3.根据权利要求2所述的一种自适应权重组合推荐算法，其特征在于，所述的兴趣属性包括商品的种类、商品的价格、商品的规格。

4.根据权利要求1所述的一种自适应权重组合推荐算法，其特征在于，所述S2中推荐集X＝{x₁，x₂，…，x_l}，其中推荐商品x_k的商品属性为P＝{p₁，p₂，…，p_m}，k∈[1，l]；利用公式(1)计算每个推荐商品x_k的属性集合P与用户模型M的相似度。

simk=|M∩P||M∪P|---(1)]]>

5.根据权利要求1所述的一种自适应权重组合推荐算法，其特征在于，所述S3计算的具体步骤为:在时间周期T内，用户的点击和购买次数为F＝{f₁，f₂，…，f_n}，其中f_i为点击和购买商品来自于第i个推荐模块的次数，根据式(2)计算第i个推荐模块的权重w′_i的估计值。

wi′=fiΣi=1nfi---(2)]]>