[发明专利]一种基于时序决策模型的推荐方法

权利要求书

1.一种基于时序决策模型的推荐方法，其特征在于，包括以下步骤：

S1、定义用户在某n个连续时刻下有着如下的历史行为序列：(x₁，x₂，......x_n)；

S2、将用户的行为序列预测采用递归方式表示：

x_i+1＝Q₁x_i+Q₂x′_i (1)

其中，Q₁、Q₂分别表示需要预测的参数；x_i表示上一次推荐给用户的信息；x_i+1表示下一个时刻即将给用户的推荐信息，即方案要求的目标；x′_i表示用户从接收到上一时刻的推荐后的行为；

S3、判断参数Q₁和Q₂是否需要进行修改，若是则采用决策树模型来计算参数Q₁和Q₂，否则返回步骤S2；

包括以下子步骤：

S31、确认是否需要修改参数Q₁和Q₂，若需要修改则执行步骤S32，否则不操作；参数Q₁和Q₂是否需要进行修改通过用户角色是否发生变化、用户浏览行为是否发生变化和是否接受上次推荐三个因素进行确认；

其中，参数Q₁和Q₂需要进行修改的条件包括：

(1)用户角色发生变化、用户浏览行为发生变化、接受上次推荐；

(2)用户角色发生变化、用户浏览行为未发生变化、接受上次推荐；

(3)用户角色未发生变化、用户浏览行为发生变化、接受上次推荐；

(4)用户角色未发生变化、用户浏览行为未发生变化、接受上次推荐；

不需要修改参数Q₁和Q₂的条件包括：

(1)用户角色发生变化、用户浏览行为发生变化、不接收上次推荐；

(2)用户角色发生变化、用户浏览行为未发生变化、不接收上次推荐；

(3)用户角色未发生变化、用户浏览行为发生变化、不接收上次推荐；

(4)用户角色未发生变化、用户浏览行为未发生变化、不接收上次推荐；

S32、通过建模一个最优目标函数来确定Q₁和Q₂的值；

具体实现方法为：设目标函数为：

min Cost(Id，Action)＝Id(Q₁)+Action(Q₁，Q₂) (2)

其中，

上述目标函数等式的第二部分内容Action(.)是针对行为动作的值来进行计算：

A表示用户可能会访问到的所有不同的对象全集；假设一共有i个不同的对象，则集合表示为A¹，A²......Aⁱ；R(Aⁿ⁺¹)表示从对象A^n-1到Aⁿ之间的关联度值，由对象关联度权重矩阵决定；表示参数Q₁第n次预测的值，表示参数Q₁第n+1次预测的值，表示参数Q₂第n次预测的值，表示参数Q₂第n+1次预测的值；

对于参数Q₁和Q₂，分别对公式(3)求导，得到和的取值为：

令得到新的参数Q₁和Q₂值。