[发明专利]一种基于网络推理的个性化推荐方法

摘要

本发明公开一种新颖的基于网络推理的个性化推荐方法，其使用物品相似性引入负面评价，解决了大部分基于网络的推荐算法负面评价丢失的问题以及无法正确区分用户对收集的物品喜欢程度的问题。

主权项

1.一种基于网络推理的个性化推荐方法，其特征在于，包括以下几个步骤：(1)构建物品集O＝{o1,o2,...,on}，用户集U＝{u1,u2,...,um}，若用户ui采纳过物品oj，则邻接度aij＝1，否则，aij＝0，可得到一个m×n的邻接矩阵A＝{aij}；(2)对于n个商品，构建n×n的相似度矩阵，矩阵元素为两个商品之间的相似度；(3)对于用户u_i，从A中提取其列向量(a_i1,a_i2,...,a_in)^T；根据邻接度提取出用户u_i采纳过的物品o_j，计算商品o_j负面评价函数其中，K_i为用户u_i不采纳的物品数量，Sim_jq为u_i采纳过的商品o_j与未采纳的商品o_q之间的相似度。根据负面评价函数获得商品o_j的衰减函数用户u_i对应商品o_j的邻接度更新为对于用户未采纳过的物品，则邻接度不进行更新。最终得到用户u_i更新后的邻接度列向量(a′_i1,a′_i2,...,a′_in)^T；(4)用户u_i的初始资源为x_j表示物品o_j被采纳的用户数量，物品的资源为y_i表示用户u_i采纳过的物品数量；从而获得商品资源矩阵W＝(f(o₁),f(o₂),...,f(o_n))^T。(5)商品资源矩阵可表示为两个向量相乘，具体如下：W＝W′×(o1,o2,...,on)T(6)利用上述转换矩阵W′，计算用户ui的物品推荐度P，如下：P＝W′(a′i1,a′i2,...,a′in)T＝(zi1,zi2,...,zin)T，其中zi1,zi2,…,zin为商品o1,o2,…,on对用户ui的推荐度(7)对所有用户未收集过的物品按照降序排列，依次推荐给用户。