[发明专利]基于用户对食品安全等级评分值和食品相似度的推荐方法

说明书

本发明公开了一种基于用户对食品安全等级评分值和食品相似度的推荐方法，包括步骤：1)获取用户对食品的评分数据；2)计算出每一条评分数据的评分权重。3)将评分数据和评分权重输入到机器学习模型中进行参数训练。4)参数训练完成后，得到一个食品相似度矩阵，最终通过用户的评分数据和食品相似度矩阵计算并生成用户的食品推荐列表，实现将食品推荐给用户。本发明在训练出一个机器学习模型的同时结合使用了基于邻域的协同过滤方法，从用户对食品的评分数据中学习出食品的相似度矩阵，考虑评分数据时间顺序的同时将稀疏性引入相似度矩阵，使其能够有效地生成推荐。

技术领域

本发明涉及食品推荐的技术领域，尤其是指一种基于用户对食品安全等级评分值和食品相似度的推荐方法。

背景技术

电子商务的出现和快速发展极大地改变了人们购买食品的传统观念，其通过提供海量的食品和详细的食品信息，使网上交易变得更加容易。然而，随着符合用户需求的食品数量急剧增加，如何有效、高效地帮助用户识别最适合其个人偏好的食品成为了问题，尤其是在给定用户对食品的安全等级评分值数据的情况下。通过推荐算法为用户产生一个推荐物品的列表是广泛使用的TopN推荐系统的工作目的。近年来，已经研究出了各种TopN推荐算法。这些算法可以分为两类：基于邻域的协同过滤方法和基于模型的协同过滤方法。基于邻域的方法只需要用户的行为数据就可直接计算用户或物品的相似度，其中基于物品邻域的方法可以非常快速地生成推荐，实现起来简单，但它以牺牲推荐效果来达到这一点。基于模型的方法需要通过用户的行为数据来学习用户或物品的特征数据，尤其是基于潜在因子模型的方法，虽然该机器学习模型会生成更好的推荐质量，但同时在模型的参数学习中会产生更高的时间成本。另一方面，无论是基于邻域的方法还是基于模型的方法，在数据样本的选择上大都直接使用用户对物品的特定评分值，忽略了各种有可能对用户评分产生影响的因素。用户之前对一些物品的评分很有可能对当前物品的评分造成误导进而影响评分的真实性和可靠性。在这种情况下，物品之间的相似度受到了用户评分先后顺序的影响，从而导致用户的主观评分不能客观地反映出物品之间的相似度。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于用户对食品安全等级评分值和食品相似度的推荐方法，该方法突破基于邻域方法的推荐效果低下和基于模型方法的推荐效率低下的问题，从用户对食品的安全等级评分值数据中学习出食品的相似度矩阵，考虑评分数据时间顺序的同时将稀疏性引入相似度矩阵，使其能够有效地生成推荐。

为实现上述目的，本发明所提供的技术方案为：基于用户对食品安全等级评分值和食品相似度的推荐方法，包括以下步骤：

1)获取用户对食品的评分数据；其中，每一条评分数据包括用户ID、食品ID、安全等级评分值、评分时间；

2)对于相同用户ID的评分数据，根据其评分时间前后顺序和安全等级评分值大小，计算出每一条评分数据的评分权重；

3)将评分数据的用户ID、食品ID、安全等级评分值和评分权重输入到机器学习模型中进行参数训练，参数训练完成后，得到一个食品相似度矩阵，最终通过用户的评分数据和食品相似度矩阵计算并生成用户的食品推荐列表，实现将食品推荐给用户。

进一步，在步骤1)中，所述用户对食品的评分数据是指用于输入机器学习模型进行训练的用户历史评分数据，评分数据包括用户ID、食品ID、安全等级评分值和评分时间；其中，用户ID是用户的唯一标识，不同的用户ID代表不同的用户；食品ID是食品的唯一标识，不同的食品ID代表不同的食品；安全等级评分值是指用户ID表示的用户对食品ID表示的食品的安全等级评分值大小；评分时间是指用户对食品安全等级进行评分的时间。