[发明专利]一种基于GBP的PMF方法

权利要求书

1.一种基于GBP的PMF方法，其特征在于，包含以下步骤：

1)用户对商品作出评分，通过信息采集模块对用户信息和商品信息以及评分信息进行采集；

2)信息处理：

2-1)将步骤1)中记录所得的用户信息和商品信息以及评分信息发送至信息处理模块中，并通过整合模块对信息进行整合，去除冗余；

2-2)将步骤2-1)中处理后的信息发送到用户信息存储模块中保存，并通过用户信息存储模块建立系统评分矩阵；

3)预测商品评分：

4)商品推荐：

4-1)为多个用户产生推荐，分别为每个用户产生推荐的独立过程：对一个用户进行推荐，由推荐列表产生模块对该用户产生推荐列表；

4-2)推荐列表产生模块中的排序模块对所有已进行预测评分的商品的预测评分值由大至小进行排序，并通过列表生成模块将选取的结果生成推荐列表，放松给用户；

5)完成项目的推荐；

对于所述步骤2-2)中，系统评分矩阵满足：

当系统有m个用户，n个商品，每个用户对每个物品的评分为从0-X。R为一个m行n列的系统评分矩阵，R_i,j代表用户i对物品j的评分。R中蕴含着用户爱好特征，也蕴含这物品的爱好特征。设U为一个d行m列的矩阵，每一列代表用户的特征向量；V为一个d行n列的矩阵，每一列代表一个物品的特征向量；设f为预测函数，该函数以用户特征和物品特征为输入值，输出值为该用户对该物品的预测分数值。

对于所述步骤3)中，预测商品评分满足：采用评分估值公式为用户-商品评分矩阵中缺省评分赋予评分估值，评分估值公式的目标函数为E，函数E由如下步骤得出：

假真实评分数据和预测评分值之差服从正态分布，即：

其中，为服从均值为方差为σ²的正态分布，I_i,j为一个指示函数，当用户i对物品j的有过评分，则I_i,j等于1，否则I_i,j等于0。我们假设各项评分的误差之间相互独立，所以可以写成连乘的形式。同样的，我们假设用户的特征向量和物品的特征向量分别服从均值为0方差为和均值为0方差为的正态分布，即：

由(2)、(3)、(4)以及贝叶斯公式可得：

p(R)为常数，所以(5)式正比于

对(6)两边取对数之后得：

忽略常数项，设(8)为目标函数：

2.一种基于GBP的PMF的推荐系统，其特征在于，包含以下结构：依次连接的信息采集模块、信息处理模块、用户信息存储模块、商品评分模块和推荐产生器；

其中，信息采集模块，通过信息采集模块对用户信息和商品信息以及评分信息进行采集；

信息处理模块，将通过信息采集模块采集到的用户信息和商品信息以及评分信息发送至信息处理模块中，并通过整合模块对信息进行整合，去除冗余；

用户信息存储模块，将处理后的信息发送到用户信息存储模块中保存，并通过用户信息存储模块建立系统评分矩阵；

商品评分模块，用于预测商品评分；

推荐产生器，用于商品推荐；

其中，系统评分矩阵满足：

当系统有m个用户，n个商品，每个用户对每个物品的评分为从0-X。R为一个m行n列的系统评分矩阵，R_i,j代表用户i对物品j的评分。R中蕴含着用户爱好特征，也蕴含这物品的爱好特征。设U为一个d行m列的矩阵，每一列代表用户的特征向量；V为一个d行n列的矩阵，每一列代表一个物品的特征向量；设f为预测函数，该函数以用户特征和物品特征为输入值，输出值为该用户对该物品的预测分数值。

其中，预测商品评分满足：采用评分估值公式为用户-商品评分矩阵中缺省评分赋予评分估值，评分估值公式的目标函数为E，函数E由如下步骤得出：

假真实评分数据和预测评分值之差服从正态分布，即：

其中，为服从均值为方差为σ²的正态分布，I_i,j为一个指示函数，当用户i对物品j的有过评分，则I_i,j等于1，否则I_i,j等于0。我们假设各项评分的误差之间相互独立，所以可以写成连乘的形式。同样的，我们假设用户的特征向量和物品的特征向量分别服从均值为0方差为和均值为0方差为的正态分布，即：

由(2)、(3)、(4)以及贝叶斯公式可得：

p(R)为常数，所以(5)式正比于

对(6)两边取对数之后得：

忽略常数项，设(8)为目标函数：