[发明专利]移动终端商家个性推荐方法

摘要

本发明提供的移动终端商家个性推荐方法，移动终端用户进行商家推荐，根据移动用户个人的兴趣爱好挖掘令他感兴趣的商家，并根据实际情况对数据进行了相应的预处理，对针对数据的稀疏性和不对称性，采用贝叶斯的概率模型和Gibbs抽样方法对其进行了近似预测，从而给用户带来精确的预测。

主权项

一种移动终端商家个性推荐方法，其特征在于，包括下述步骤：步骤S110：定义问题函数，所述函数为：E=12Σi=1NΣj=1MIij(Rijd-UiTVj)2+λU2Σi=1N||Ui||Fro2+λV2Σi=1M||Vi||Fro2,]]>其中，所述M为商家，所述N为用户，所述代表用户i对商家j的评级，d表示移动终端与商家之前的距离，列向量Ui与Vj分别代表用户和商家的潜在特征向量，D表示用户特征向量和商家特征向量的维度，表示终端用户对商家的预测的评价等级，λU=αU／α表示弗罗贝尼乌斯的模；步骤S120：将所述预处理为步骤S130：采用高斯观察噪声概率线性模型，构建第一公式，记为P(R|U,V,d,σ2)=Πi=1NΠj=1M[N(Rij|UiTVj,σ2)]Iij,]]>其中，是均值为μ、方差为σ2的具有高斯分布概率密度函数，Iij是指示函数，如果用户i对商家j进行过评价则指数函数为1，否则等于0；步骤S140：分别将用户和商户特性向量Ui与Vj设置均值为零的高斯球面先知概率，分别记为：P(U|σU2)=Πi=1NN(Ui|0,σU2I)]]>P(V|σV2)=Πi=1NN(Vi|0,σV2I)]]>步骤S150：根据步骤S130和步骤S140，构建基于用户和商家的后验概率的似然函数，记为lnP(U，V|R，α，αU，αV，d)=lnp(R|U，V，α)+lnp(U|αU)+lnp(V|αV)+C其中，C为常数；步骤S160：基于贝叶斯的概率模型，对经步骤S140处理后的用户和商户特性向量Ui与Vi进行处理，并记为：步骤S170：对经步骤S160处理后的Ui与Vj的超参数进行Gaussian‑Wishart规定，记为：其中，W是有着v0维自由度和D×D维矩阵W0的Wishart分布C是归一化常数，Θ0={μ0，υ0，W0}，v0=D、W0为用户的商家超参数的特定矩阵，μ0=0；步骤S180：通过边缘化模型参数和超参数预测用户i对商家j的Rij等级值分布，记为第二公式：