[发明专利]一种基于组合学习的群组推荐方法

摘要

本发明提出一种基于组合学习的群组推荐方法，包括：方式1：基于K最近邻算法获得所有用户的个人推荐列表，挑选出组A成员的推荐列表，将组A成员的推荐列表中根据组合学习的方法得出组A的推荐列表；方式2：将组A内成员的评分列表累加，求平均值得到组A的评分列表，基于K最近邻算法，根据不在组A中成员的评分列表产生组A的推荐列表；方式3：构建组的喜好模型，将每个用户的喜好用特征因子向量表示，根据单个用户的喜好向量得到表示组喜好的特征因子向量，根据此产生组A的推荐列表；基于以上三种方式分别产生组A的三个推荐列表，并基于组合学习的方法组合出一个更准确的推荐列表。

主权项

1.一种基于组合学习的群组推荐方法，设共有m个组，n个用户，其中一个组用组A代表，其特征在于，包括：方式1：基于K最近邻算法获得所有用户的个人推荐列表，挑选出组A内每个成员的推荐列表，将每个成员的推荐列表根据组合学习的方法得出一个组A的推荐列表；具体过程为：每个推荐列表中物品的排序与它们自身的影响力有关，首先将每个物品的影响力归一化，用0‑1之间的数值表示，然后得到每个物品在不同列表中归一化后的影响力组成向量r＝(r₁…,r_n)，r_j代表在第j个推荐列表中物品的归一化后的影响力，利用物品的影响力向量得出最终物品在列表中所应占的影响力，并根据每个物品影响力的高低产生一个组合后的推荐列表；方式2：将组A内成员对每个物品的评分累加，取平均值以此代表组A对每个物品的评分，得到组A的评分列表，基于K最近邻算法，根据不在组A中成员的评分列表产生组A的推荐列表；方式3：构建组的喜好模型，将每个用户的喜好用特征因子向量表示，根据单个用户的喜好向量得到表示组喜好的特征因子向量，根据此产生组A的推荐列表；基于以上三种方式分别产生组A的三个推荐列表，并基于组合学习的方法组合出一个更准确的推荐列表，具体过程为：即将同一组中n个项排序的k个列表合并成一个完整列表的问题，合并后的列表最佳的描述了k个列表所代表的信息，具体采用的是排序整合中的鲁棒排序整合算法。