[发明专利]一种基于多目标优化的长尾群组推荐方法

说明书

本发明属于推荐系统技术领域，公开了一种基于多目标优化的长尾群组推荐方法，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。本发明的推荐方法可以产生不同准确度与流行度性权重的多个组推荐结果，供用户决策，满足用户对推荐结果多样性的需求。

技术领域

本发明属于推荐系统技术领域，尤其涉及一种基于多目标优化的长尾群组推荐方法。

背景技术

随着大数据的快速发展，信息过载问题日益严重。推荐系统作为信息过滤的有效方式，在众多领域得到了广泛应用。现有的推荐算法从针对对象上来讲，主要针对单个用户设计，无法满足现实中的某些需要。比如，聚餐、看电影、旅行等一系列的行为通常是集体进行的，即以群组的形式发生。将推荐对象由单一用户扩展到多个用户，即群组推荐。由于其良好的应用前景，群组推荐受到越来越多工业界和学术界的关注。但群组推荐需要满足多个用户的偏好并对其进行融合，因此传统单用户下的推荐算法无法直接应用在群组推荐中。从目的上来讲，已有的群组推荐主要集中在如何满足用户偏好，提高推荐的准确度，而对推荐的多样性和新颖性方面关注较少。传统推荐为了提高推荐的准确度，推荐系统倾向于推荐一些流行的物品，对推荐系统来说还存在一定的不足。众多研究表明，长尾物品对推荐系统同样重要，对提高推荐结果的多样性和新颖性起到很好的作用。

综上所述，现有技术存在的问题是：现有的推荐系统对推荐的多样性和新颖性方面关注较少；现有的组推荐系统为了提高推荐的准确度，倾向于推荐一些流行的物品，无法满足用户对推荐系统的新颖性需求，导致用户对推荐结果不满意；解决此问题的难度在于如何在保持推荐准确度的同时，提高推荐结果的多样性，提高用户的满意度。

发明内容

针对现有技术存在的问题，本发明提供了一种基于多目标优化的长尾群组推荐方法。

本发明是这样实现的，一种基于多目标优化的长尾群组推荐方法，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。可以产生不同准确度与流行度性权重的多个组推荐结果，供用户决策，满足用户对推荐结果多样性的需求。

进一步，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。

进一步，所述群组发现过程为：

输入：随机输入k个用户的集合U；

输出：G群组；

for user i,jfrom Uj≠i do；

Sim[i][j]＝S(U[i],U[j])；

end for；

G←U；