[发明专利]一种基于拓展标签的矩阵分解推荐方法及系统

权利要求书

1.一种基于拓展标签的矩阵分解推荐方法，其特征在于，包括：

基于物品标签数据构建物品-标签矩阵并计算标签相似度；

基于所述物品-标签矩阵构建第一物品对-标签向量；

根据所述标签相似度将所述第一物品对-标签向量拓展为第二物品对-标签向量；

基于所述第二物品对-标签向量计算物品相似度，并建立物品相似度矩阵；

基于所述物品相似度矩阵和预先构建的物品评分矩阵，求解用户隐含特征矩阵和物品隐含特征矩阵；

根据所述用户隐含特征矩阵和所述物品隐含特征矩阵，预测用户对未评分物品的评分分值；

根据所述评分分值，构建针对所述用户的物品推荐列表；

所述求解用户隐含特征矩阵和物品隐含特征矩阵，包括：

随机初始化所述用户隐含特征矩阵和所述物品隐含特征矩阵；

采用所述物品相似度约束所述用户隐含特征矩阵和所述物品隐含特征矩阵分解的过程，建立损失函数；

基于所述损失函数，使用梯度下降法不断迭代学习得到所述用户隐含特征矩阵和所述物品隐含特征矩阵。

2.根据权利要求1所述的方法，其特征在于，

所述基于物品标签数据构建物品-标签矩阵并计算标签相似度之前，还包括从源数据中提取物品标签信息三元组；

所述求解用户隐含特征矩阵和物品隐含特征矩阵之前，还包括从源数据中提取物品评分信息三元组。

3.根据权利要求1所述的方法，其特征在于，所述基于所述损失函数，使用梯度下降法不断迭代学习得到所述用户隐含特征矩阵和所述物品隐含特征矩阵，包括：

设定迭代阈值和收敛条件，并初始化迭代次数；

基于所述损失函数和所述用户隐含特征矩阵，使用梯度下降法获取所述用户隐含特征矩阵的梯度；

基于所述损失函数和所述物品隐含特征矩阵，使用梯度下降法获取所述物品隐含特征矩阵的梯度；

迭代并更新所述用户隐含特征矩阵的梯度和所述物品隐含特征矩阵的梯度；

判断迭代次数是否到达所述迭代阈值；

若迭代次数达到所述迭代阈值，则输出所述用户隐含特征矩阵和所述物品隐含特征矩阵；

若迭代次数未达到所述迭代阈值，则判断迭代结果是否满足所述收敛条件；

若迭代结果满足所述收敛条件，则执行所述输出所述用户隐含特征矩阵和所述物品隐含特征矩阵；若迭代结果不满足所述收敛条件，则执行所述基于所述损失函数和所述用户隐含特征矩阵，使用梯度下降法获取所述用户隐含特征矩阵的梯度。

4.根据权利要求1所述的方法，其特征在于，所述基于所述损失函数，使用梯度下降法不断迭代学习得到所述用户隐含特征矩阵和所述物品隐含特征矩阵，包括：

设置迭代阈值和收敛条件，并初始化迭代次数；

基于所述损失函数和所述用户隐含特征矩阵，使用梯度下降法获取所述用户隐含特征矩阵的梯度；

基于所述损失函数和所述物品隐含特征矩阵，使用梯度下降法获取所述物品隐含特征矩阵的梯度；

迭代并更新所述用户隐含特征矩阵的梯度和所述物品隐含特征矩阵的梯度；

判断迭代结果是否满足所述收敛条件；

若迭代结果满足所述收敛条件，则输出所述用户隐含特征矩阵和所述物品隐含特征矩阵；

若迭代结果不满足所述收敛条件，则判断迭代次数是否到达所述迭代阈值；

若迭代次数达到所述迭代阈值，则执行所述输出所述用户隐含特征矩阵和所述物品隐含特征矩阵；

若迭代次数未达到所述迭代阈值，则执行所述基于所述损失函数和所述用户隐含特征矩阵，使用梯度下降法获取所述用户隐含特征矩阵的梯度。