[发明专利]一种基于时序决策模型的推荐方法

说明书

本发明公开了一种基于时序决策模型的推荐方法，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；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。本发明通过对用户行为特征提取分析和行为关联度分析实现对用户个性推荐，方便用户大量数据中快速地找到需要的信息，能够提高用户对信息的使用效率。

技术领域

本发明涉及一种根据用户个性，特征等条件实现个性化信息检索的推荐方法，特别涉及一种基于时序决策模型的推荐方法。

背景技术

随着互联网的发展和普及，来自于网络的信息、数据发生爆炸式增长，充分满足了不同用户对各类信息的需求。但是在另一方面，数据信息的过量带来的最大坏处就是信息量过载：面对井喷式的信息流，用户需要面对大量无用的信息，或者说用户无法在短时间内确定哪一个才是有用的信息，反而降低了信息利用效率。在这样的情况下，推荐系统应运而生，被应用到各类领域，有助于提高对数据信息的检索效率。

推荐系统是建立在海量数据的基础上，根据用户个人的身份，兴趣，需求等条件为用户提供个性化决策支持和信息服务。通过对用户的个性化计算，筛选出与用户特征匹配的条件信息，既要引导用户找到他们已经意识到的信息，特别的是还要找用户还没有意识到的，但是可能满足他们的偏好等条件的潜在信息，包括用户已知但是忘记的和从未发现的信息。

发明内容

本发明的目的在于克服现有技术的不足，提供一种通过对用户行为特征提取分析和行为关联度分析实现对用户个性推荐，方便用户大量数据中快速地找到需要的信息，能够提高用户对信息的使用效率的基于时序决策模型的推荐方法。

本发明的目的是通过以下技术方案来实现的：一种基于时序决策模型的推荐方法，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，即该方案要求的目标；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。

进一步地，所述步骤S3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；

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)