[发明专利]基于用户评分的项目推荐方法

摘要

本发明公开了一种基于用户评分的项目推荐方法，首先针对推荐系统中用户兴趣的动态性和多样性，综合时间因子对用户兴趣的全局影响，基于用户项目评分有效融入保持量函数，采用概率主题模型完成用户潜在兴趣的全局学习；然后针对其学习过程对潜在情景变化的敏感性，再次综合时间因子对用户潜在兴趣局部的影响，基于概念漂移问题的对兴趣进行面向用户个性化的二次更新学习，最后通过分析用户兴趣计算其对项目的支持度，并进行排序生成项目推荐列表。本发明能够在充分挖掘用户潜在兴趣的条件下，有效避免概念漂移问题对推荐性能的影响，提高系统的整体推荐质量。

主权项

一种基于用户评分的项目推荐方法，其特征在于包括以下步骤：步骤1：从互联网中采集数据并对其进行预处理，生成用户行为数据存放到用户行为信息数据库；步骤2：通过分析用户的历史行为记录，构建用户对项目的偏好评分，并将评分数据划分为训练集和测试集；步骤3：基于训练集构建用户‑项目的原始偏好评分矩阵，并从时间特性对用户兴趣的全局影响考虑，对原始评分进行改进，生成新的用户‑项目评分矩阵；步骤4：基于新的用户评分矩阵，从概率的角度完成用户潜在兴趣的抽取过程，生成用户的潜在兴趣向量，完成用户兴趣的第一阶段的全局学习；步骤5：从用户个性化角度考出发，对用户潜在兴趣向量进行第二阶段更新学习；步骤6：基于更新后新的用户潜在兴趣向量，计算用户对于项目的支持度，并根据支持度将项目进行排序，选择支持度高的前N个项目推荐给用户；步骤7：对比测试集中的数据计算第二阶段更新学习过程中推荐准确度随平衡参数变化的数据，并绘制曲线；步骤8：从曲线中选择出曲线峰值点对应的最优平衡参数，并对比测试集中的数据完成系统方法的可视化评估，便于系统的人工决策；步骤9：基于最优平衡参数，对完整用户‑项目评分矩阵，即没有划分训练集和测试集的数据进行全局学习和更新学习，并按照3‑6步骤为用户进行项目推荐。