[发明专利]基于前景理论与多目标进化的电影推荐方法

权利要求书

1.基于前景理论与多目标进化的电影推荐方法，其特征在于：该方法包括以下步骤：

S1个体多目标的设定

S1.1精度函数；用来评测用户对推荐列表中推荐项目的兴趣度；其值越高，表示推荐的越准确；其计算公式如下：

其中，S为推荐系统中的用户集合，L是用户的推荐列表集合；p_ui表示用户u对项目i的满意度；

满意度的计算包含三项，其一是用户u对项目i的理性预测分Pr_ui，它是通过基于用户的协同过滤算法进行计算的；其二是有限理性因素，它通过前景理论来得出；

前景理论的价值函数表示为：

其中，Δx_i为用户理性预测分Pr_ui和预期期望E_i的差值；设定项目i的平均分为v_i,则E_i＝m*v_i,m是系数；

其三是用户u评分的偏置项p_u，通过用户和项目的平均分的差值得出；考虑到用户可能比较喜欢打高分或低分，以此设计的偏置项；

最终用户u对项目i的有限理性预测分P_ui表示为：

P_ui＝(1-t)*Pr_ui+t*v(Δx_i)+p_u； (3)

其中，t是系数；

S1.2多样性函数；用来评测给用户推荐的项目的不相似程度；其值越高，表示推荐的项目越多样；计算公式如下：

其中，r(u)是用户u的推荐列表，sim(i,j)是项目i和项目j的相似度；

S2个体编码、相关参数设定

个体的编码采用实数编码，一个个体由一个矩阵表示，列数表示为某个用户推荐的电影数，行数代表要推荐的用户数，矩阵中的每一项为电影的ID号；种群初始化为pop_size＝50，交叉概率p_c为0.8，变异概率p_m为0.4，个体矩阵的每行中电影编号不重复；

S3种群初始化

对于种群的初始化，首先选择一个个体，利用协同过滤算法进行预测评分，然后通过top-n对其进行推荐；对于其他个体，采用随机选择没有看过的项目推荐给用户，由此完成初始化操作；

S4变异操作

先随机选择一个基因，然后找到与该用户相似的N个用户，计算相似用户集中不同基因出现的次数，选择出现频率最高的且目标用户没有看过的项目进行变异选择；

S5交叉操作

两个父母都包含的项目全部遗传给孩子，不同的项目，则产生一个随机数，若其小于交叉概率，再进行交叉，否则不变

S6选择操作

当父代进行遗传操作产生子代后，子代个体将以父代个体为参考，若是子代比父代的目标高，表明得到的子代的满意度增加，若是子代比父代的目标低，表明得到的子代的满意度降低；通过比较子代与父代的目标值得到子代个体的前景值，在以后进行种群选择时，再对个体的前景进行比较，选择前景较大的个体作为父代进行遗传操作；

个体前景的计算公式为：

Q_i＝v(Δx₁)*π(p₁)+v(Δx₂)*π(p₂) (6)

其中，v(Δx₁)为子代个体目标1的前景值，根据公式2计算得到，式中Δx₁是子代与父代目标1的差值；π(p₁)为v(Δx₁)对应的概率权重，根据公式7计算得到，式中p为1与种群大小的比值，γ是根据Δx₁的大小选择的系数；

S7更新种群

将种群中的所有个体和子个体进行合并，计算混合种群中个体的支配关系和同一支配等级个体间的拥挤距离；选择支配等级高的和拥挤距离大的个体进入下一代；

S8.终止条件判断：

若达到规定的代数或得到预定的结果，则结束并且输出结果，否则计算个体适应度值和变量，更新种群，继续交叉、变异、选择操作。