[发明专利]一种基于辅助信息的矩阵分解推荐方法和系统

说明书

本公开涉及一种基于辅助信息的矩阵分解推荐方法，该方法包括对评价矩阵进行初始化和处理，获取辅助信息并基于所获取的辅助信息来确定相似辅助矩阵，确定子矩阵并对该评价矩阵进行分解，以及利用该子矩阵和相似辅助矩阵来对经分解的评价矩阵进行补全以用于项目推荐。

技术领域

本发明涉及信息处理，尤其涉及基于辅助信息的矩阵分解和信息补全。

背景技术

随着信息科学技术的飞速发展，传统电商站点(如淘宝、京东、亚马逊等)和在线视频、音乐站点(如爱奇艺、优酷、腾讯视频等)规模的不断扩展，网站内容呈现指数级规模增长，人们对于高效、实时的推荐的需求愈发强烈。个性化推荐系统可以依据目标用户的历史行为信息和历史偏好信息，来进一步将用户感兴趣的项目推送给使用者。然而在很多情况下，目标用户对站点中产生行为反馈的项目往往只占据了整个项目库中极少的一部分。这会导致整个推荐系统中历史用户、项目矩阵变的十分稀疏，即当一个新的项目加入到该推荐系统时，系统会因为缺乏历史用户对项目的历史行为信息，而无法计算出与其相关的邻近项目，无法准确的把项目推荐给站点用户。另一方面，当一个新用户使用该网站时，推荐系统因为缺乏该用户的历史行为信息与历史偏好信息，推荐算法无法计算出该用户的邻近用户，该系统也无法为用户提供高效的个性化推荐服务，导致用户对站点的使用体验降低。

因此，需要能够改进现有技术中的缺陷的方法和系统。

发明内容

提供本发明内容来以简化形式介绍将在以下具体实施方式部分中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

传统的矩阵分解推荐方法往往忽视了其他信息源对原始评价矩阵的补偿作用，同时用户和项目额外的辅助信息可以提供更多隐式信息，更好地补偿评价矩阵中的信息空缺项。本发明目的是提供一种基于辅助信息的推荐方法和系统，针对传统的矩阵分解推荐模型未考虑到用户和项目辅助信息的缺陷，本专利创新性地将用户和项目辅助信息融入进分解模型中，并结合用户和项目的辅助信息，借助矩阵分解技术，对原始稀疏的评价矩阵进行有效的信息补偿，一定程度上缓解了个性化推荐的冷启动问题。在本公开中，冷启动问题指的是对于新注册的用户或者新入库的项目，应该如何给新用户推荐让他满意的项目，或者如何将新项目推荐给可能喜欢它的用户。

具体而言，在本发明的一个实施例中，提供了一种基于辅助信息的矩阵分解推荐方法，该方法包括：

基于用户的集合以及项目的集合来对所述项目的评价矩阵R进行初始化和处理；

确定所述评价矩阵R的满足补全条件的子矩阵M；

获取所述用户和所述项目的辅助信息并基于所获取的辅助信息来确定用户辅助信息矩阵U和项目辅助信息矩阵I；

基于所述用户辅助信息矩阵U和所述项目辅助信息矩阵I来构建正交矩阵W_U和W_I；

对评价矩阵R进行水平和垂直方向张量分解以获得经分解的评价矩阵R’；

对所述子矩阵M进行处理以获得对应的可恢复子矩阵

利用所述可恢复子矩阵以及正交矩阵W_U和W_I来对所述经分解的评价矩阵R’进行补全以获得最终评价矩阵以及

基于所述最终评价矩阵来进行项目推荐。

在本发明的另一个实施例中，提供了一种基于辅助信息的矩阵分解推荐系统，该系统包括：

用于基于用户的集合以及项目的集合来对所述项目的评价矩阵R进行初始化和处理的装置；

用于确定所述评价矩阵R的满足补全条件的子矩阵M的装置；