[发明专利]基于非支配排序多目标方法的位置感知推荐系统

摘要

本发明公开了一种基于进化多目标方法的位置感知推荐系统，实现步骤为：(1)确定目标函数；(2)构造初始解种群，采用符号编码方法对解种群中的个体进行初始化；(3)依次对解种群中的个体进行选择、交叉变异操作得到子代个体；(4)利用子代个体更新解种群；(5)判断是否终止：如果迭代次数满足预先设定次数，则执行(6)，否则转步骤(3)；(6)选择最佳聚类方式；(7)对聚类结果中的每一类采用基于用户的协同过滤方法产生个性化推荐。本发明能同时优化两个目标函数，实现了商品覆盖率和用户兴趣的同步分析，提高了推荐结果的准确性，可以用来解决位置感知推荐系统中的区域用户聚类和优化推荐结果问题。

主权项

1.一种基于非支配排序多目标方法的位置感知推荐系统，其特征在于所述方法包括以下步骤：(1)输入用户商品信息，包括N个用户编号U＝(u₁，u₂，...，u_N)，用户位L＝(l₁，l₂，...，l_N)，M个商品编号I＝(i₁，i₂，...，i_M)，用户对商品的评分R＝(r₁₁，r₁₂，...，r_1M，...，r_ij，...r_NM)，其中r_ij代表第i个用户对第j个商品的评分；(2)初始化，构建用户‑商品评分矩阵用户‑位置对应列表(3)确定目标函数F：平均商品覆盖率f₁和用户相似度函数f₂；(3a)计算类内商品覆盖率(3b)计算平均商品覆盖率CN是指聚类的个数；(3c)计算任意两个用户之间的相似度r_i，r_j分别代表用户i和用户j的评分向量，||r_i||，||r_j||分别代表评分向量的二阶范数；(3d)计算加入地理信息的相似度函数CN是指聚类的个数，Cc是指聚类结果中的某一类，|Cc|是指该类中的用户个数，是指地理修正公式，sim(i，j)LS(i，j)是指加入地理信息后用户之间的相似度；(4)构造初始解种群：采用符号编码方法生成随机的规模为P的初始解种群，设定种群进化终止代数gen；所述构造初始解种群的步骤如下：(2a)采用符号编码方法生成随机的规模为P的初始解种群，设定种群进化终止代数gen；(2b)选择操作：从初始种群中随机选择两个父代个体；(2b1)将平均商品覆盖率和用户相似度作为适应度函数；(2b2)计算当前种群中每一个个体的适应度函数值；(2b3)从当前种群中随机选择两个个体，将其中适应度函数值较大的个体加入父种群中；(2b4)重复步骤(2b3)，直至得到整个父种群；(2c)交叉变异操作：(2c1)从父种群中随机选择两个父个体；(2c2)对两个父个体进行单点交叉操作，得到两个临时个体；(2c3)对两个临时子个体分别进行单点变异操作，得到两个子个体；(2c4)重复步骤(2c1)‑步骤(2c3)，直至得到整个子种群；(2d)更新种群：(2d1)将子种群与当前种群合并组成临时种群；(2d2)将合并后的种群进行快速非支配排序，非支配排序；(2d3)计算每个层级上所有个体的拥挤度；(2d4)对父代种群按照拥挤度算子进行排序；(2d5)截取临时种群中和当前种群规模大小相同的拥挤度数值小的个体，得到下一代种群；(5)选择父代个体，从解种群中随机选择两个父代个体；(6)交叉变异；(6a)对选择的两个父代个体进行单点交叉操作，得到一个子个体；(6b)对个体进行邻域变异操作，得到一个新子代；(7)更新种群；(7a)将子种群与当前种群合并组成临时种群；(7b)将合并后的种群进行快速非支配排序，非支配排序；(7c)计算每个层级上所有个体的拥挤度；(7d)对父代种群按照拥挤度算子进行排序；(7e)截取临时种群中和当前种群规模大小相同的拥挤度数值小的个体，得到下一代种群；(8)重复步骤(5)‑步骤(7)，直到产生规模为P的子种群，即解种群{X₁，...，X_P}；(9)判断是否终止，如果种群进化种植迭代次数满足预先设定的代数gen，其范围为100‑200，则执行步骤(10)，否则，重复步骤(5)‑步骤(8)；(10)选择最佳用户聚类方法；(11)采用基于用户的协同过滤推荐算法对每一类中的所有用户进行个性化推荐。