[发明专利]一种基于张量分解的推荐方法及装置

说明书

本发明涉及自动推荐系统领域，尤其涉及一种基于张量分解的推荐方法及装置，该方法包括：根据采集到的用户数据，构建张量；将所述张量进行矩阵展开，获得M个矩阵，M为所述张量的模的数目；采用三对角化算法对所述M个矩阵分别进行转化，获得对应的M个三对角矩阵；基于所述M个三对角矩阵，获得对应的M个左奇异矩阵；基于所述M个左奇异矩阵，获得整体近似核心张量；基于所述整体近似核心张量，进行推荐，充分利用数据的稀疏性，同时也减小了算法的复杂度，实现了有效推荐。

技术领域

本发明涉及自动推荐系统领域，尤其涉及一种基于张量分解的推荐方法及装置。

背景技术

目前随着科技的快速发展，推荐系统已经成功应用在各个领域，比如，应用在互联网平台上、在线购物、视频影音以及各种服务行业，推荐系统也朝着混合式推荐模型进行发展。

现有采用协同过滤(Collaborative Filtering Recommendation，CF)方法的推荐系统具有较好的性能，但是，由于缺少某些用户或者某些项目的数据，可能会遇到冷启动的问题，因此，采用协同过滤方法的推荐系统对数据要求比较高。

目前，在大数据背景下，这些数据具有数据维度高、种类多、数据稀疏等的特点，采用传统方法对该稀疏数据进行挖掘，需要耗费大量的计算资源，因此，传统方法也并不适用这种数据结构。

因此，如何对稀疏数据进行处理从而降低处理的复杂度是目前亟待解决的技术问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的检测加热炉烧嘴快切阀泄漏的方法及装置。

第一方面，本发明提供了一种基于张量分解的推荐方法，包括：

根据采集到的用户数据，构建张量；

将所述张量进行矩阵展开，获得M个矩阵，M为所述张量的模的数目；

采用三对角化算法对所述M个矩阵分别进行转化，获得对应的M个三对角矩阵；

基于所述M个三对角矩阵，获得对应的M个左奇异矩阵；

基于所述M个左奇异矩阵，获得整体近似核心张量；

基于所述整体近似核心张量，进行推荐。

进一步地，所述采用三对角化算法对所述M个矩阵分别进行转化，获得对应的M个三对角矩阵，包括：

分别将所述M个矩阵转化为M个实对称矩阵；

对每个所述实对称矩阵进行三对角变换，获得每个所述实对称矩阵对应的三对角矩阵，获得对应的M个三对角矩阵。

进一步地，所述基于所述M个三对角矩阵，获得对应的M个左奇异矩阵，包括：

基于每个所述三对角矩阵，获得各自对应的特征值和特征向量；

基于所述特征值和特征向量，获得各自对应的左奇异矩阵，获得对应的M个左奇异矩阵。

进一步地，基于每个所述三对角矩阵，获得各自对应的特征值和特征向量，具体包括：

采用如下任意一种方法对每个所述三对角矩阵进行求解，获得每个所述三对角矩阵的特征值和特征向量：

正交化的迭代算法、分治算法。

进一步地，所述基于所述M个左奇异矩阵，获得整体近似核心张量，具体包括：

基于所述M个左奇异矩阵，按照如下第一公式，将其计算结果赋值给核心张量