[发明专利]一种基于重启随机游走模型的活跃用户群组推荐方法

摘要

本发明公开了一种基于重启随机游走的活跃用户群组推荐方法，主要针对群组推荐过程中冷门项目的涵盖等问题，提出了一种群组推荐方法，主要包括提出活跃用户群组，用户倾向值，项目涵盖率，群组倾向偏差，通过重启随机游走模型得到各个活跃群组关于项目的相关系数，并对用户群组生成包含冷门项目的推荐，降低了群组推荐中用户量过大的问题，同时生成的推荐包含了冷门项目。

主权项

1.一种基于重启随机游走模型的活跃用户群组推荐方法，其特征在于，包括以下步骤：步骤一、通过计算项目涵盖率和群组倾向偏差获得活跃用户群组：将同时具有最大项目涵盖率和最低群组倾向偏差的子集群组作为活跃用户群组；步骤二、构建相关度矩阵S_GMG，其中，S_GMG包含了活跃用户群组与项目间的相关度矩阵S_GM，每个活跃用户群组包含对项目的选择倾向，以及每个活跃用户群组与每个用户的相关度，并且每个用户同样具有对项目的选择倾向值；然后将相关度矩阵S_GMG正规化为N_GMG，作为重启随机游走模型的概率转移矩阵；步骤三、启动重启随机游走模型，获得活跃用户群组与项目的相关系数，以N_GMG为概率转移矩阵，对各个活跃用户群组反复迭代执行重启随机游走过程，通过定义终止条件终止重启随机游走；再对每个活跃用户群组计算其稳定状态概率矩阵直至收敛，以获得活跃用户群组与项目的相关度系数，最后将相关度系数最高的前K个项目推荐给活跃用户群组；步骤一中获得活跃用户群组的具体流程如下：步骤1.1、计算评分量化矩阵，定义用户集合U：U＝{u_i},0≤i≤|U|，项目集合P：P＝{p_j},0≤j≤|P|，用户和项目之间的互动信息用评分矩阵R量化，则有：R＝{r_ij}_|U|×|P|,r_ij≥0其中，u_i为第i个用户且i为整数，p_j为第j个项目且j为整数，r_ij为评分矩阵R的第i行j列的元素且r_ij为第i个用户对第j个项目的互动信息评分数据，若r_ij＝0代表u_i和p_j没有互动，即u_i的活动没有涵盖p_j；步骤1.2、计算项目涵盖率，对于用户集合U给定的子集U'，U'的项目涵盖集P_U'定义为：U'的项目涵盖率Cov(U')为P的子集P_U'在P中所占的比例，即：步骤1.3、计算群组倾向偏差，用子集评分误差Err(U')来表示用户子集和全体用户之间的倾向偏差：其中，avg(p_j,U')表示用户子集U'对第j个项目p_j的平均评分；步骤1.4、根据步骤1.2及1.3得到项目涵盖率和群组倾向偏差获取活跃用户群组，活跃用户群组CUG是用户集合U的一个子集，活跃用户群组的大小为k，该子集满足如下两个条件，在用户集合U所有大小为k的子集中，有：其中，Err(CUG)表示用户子集和全体用户之间的倾向偏差，minErr(CUG)是求所有Err(CUG)中的最小值，Cov(CUG)表示CUG的项目涵盖率，maxCov(CUG)是求Cov(CUG)的最大值。