[发明专利]一种基于多目标优化的长尾群组推荐方法

权利要求书

1.一种基于多目标优化的长尾群组推荐方法，其特征在于，所述基于多目标优化的长尾群组推荐方法包括：

首先利用奇异值分解评分矩阵得到用户和物品的特征表示；

然后随机产生群组，基于相似度计算发现其代表群组，并结合用户和物品的特征进行群组偏好融合；

最后以满意度与流行度为两个目标，采用免疫算法优化候选列表并生成群组的最终推荐结果；

所述群组的数据预处理包括：

选用矩阵分解的一个代表：奇异值分解表示为：

其中X,Y是正交矩阵，Σ是对角矩阵；用前k大的奇异值来近似描述矩阵；SVD如下所示：

得到用户特征矩阵M和物品特征矩阵N，如以下公式所示：

其中，k是特征空间的维度；矩阵M和N的每一行分别代表对应用户和物品的特征向量；

所述免疫算法的优化过程具体包括：

(1)编码，每一个候选解是候选集R_list的子集；采用实数编码，每一个抗体以向量的形式表示一个推荐列表，形式如下：

X＝{x₁,x₂,...x_L}；

其中，L为推荐列表的长度；每一个x_i是R_list中的一个元素，并且元素各不相同，保证同一物品在同一推荐列表中不能被推荐2次；迭代中的一组推荐列表组成抗体种群；

(2)亲和力度量，群组G中用户u和推荐列表R中物品i的相似度记为S(u,i)，则群组中用户对推荐结果的满意度定义为：

函数f₁计算了群组对推荐列表的平均相似度以衡量推荐的满意度；相似度越高代表物品越符合用户的偏好；采用余弦相似度计算，公式如下：

利用物品评分的均值与方差，物品i的流行度定义如下：

其中，μ_i代表物品i的评分均值，σ_i代表物品i的评分方差；物品越流行，m_i值越小；整个推荐列表中物品的流行度为：

长尾群组推荐的多目标问题设置如下：

max{f₁(R),f₂(R)}；

亲和力是抗体的适应性度量；长尾群组推荐的多目标是max{f₁(R),f₂(R)}，亲和力的度量就是计算max{f₁(R),f₂(R)}；

(3)交叉，随机从候选集中选择其他元素进行替换，使候选解中元素彼此不同；

(4)变异算子采用单点变异，从候选集中挑选一个不属于X的元素随机替换x_i形成新的X。

2.如权利要求1所述的基于多目标优化的长尾群组推荐方法，其特征在于，所述群组偏好融合的前提输入是用户的物品偏好序列；通过用户和物品的特征相似性计算评估该用户对物品的偏好喜爱程度，获取用户的物品偏好序列；取每个用户最喜爱的前r个物品，组成临时物品集；根据不同物品出现的频率对该物品集划分阶级，依次加入候选集，直到候选集达到r个；最后加入的阶级根据均值融合策略做截断处理。