[发明专利]基于矩阵和张量联合分解的汽车推荐方法及系统

说明书

本发明公开了基于矩阵和张量联合分解的汽车推荐方法及系统；包括以下步骤：构造汽车打分张量，构造汽车制造商与供应商关系矩阵，构造汽车产品结构树，汽车制造商与供应商关系矩阵和汽车产品结构树都是完整的，用来协助预测张量中缺失的具体值；根据汽车产品结构树，引入树组套索模型来对最终的损失函数进行规约，得到权重；建立损失函数，用交替最小二乘法法对损失函数进行迭代；对损失函数求导置零，然后求出矩阵的迭代函数；还原张量，即补全张量的缺失值；针对不同的用户，依据补全的张量X中的元素，按照打分的从高到低的次序依次给用户推荐用户喜欢的车型。

技术领域

本发明涉及一种基于矩阵和张量联合分解的汽车推荐方法及系统。

背景技术

推荐问题由来已经，即按照用户与产品之间已有的信息来向用户推荐新产品或者可能购买的产品。常见的方法往往是根据用户与产品的联系，如用户的购买记录或用户的打分记录，来预测用户可能喜爱的产品来推荐给用户。在汽车领域，则会根据一个用户对某车型的打分来预测其他车型的打分情况。而这样的打分记录往往是极为稀疏的。

张量分解补全技术考虑了用户与车型之间多方面的联系，比如用户-车型-评价指标的打分，能够更好地分析三者之间的潜在联系。其主要原理是，构造一个张量，里面的值是具体的打分(1到5分)，缺失值为0，利用张量中常用的CP分解来对张量进行补全，来预测缺失值的真实打分。然而，在常见的张量分解补全的过程中，并没有考虑到其他的辅助信息。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于矩阵和张量联合分解的汽车推荐方法及系统，它利用汽车制造商和汽车零部件供应商之间的供应关系以及按照汽车所属的车系和制造商所形成的树状层次关系来进行约束损失函数，以达到更好的预测结果。

为了实现上述目的，本发明采用如下技术方案：

一种基于矩阵和张量联合分解的汽车推荐方法，包括以下步骤：

S1、构造汽车打分张量X，构造汽车制造商与供应商关系矩阵E，构造汽车产品结构树T，汽车制造商与供应商关系矩阵E和汽车产品结构树T都是完整的，用来协助预测张量X中缺失的具体值；

S2、根据汽车产品结构树T，引入树组套索模型Tree-guided Group Lasso来对最终的损失函数进行规约，得到权重W(v)；

S3、根据S1得到的汽车打分张量X、汽车制造商与供应商关系矩阵E以及S2得到的权重W(v)，建立损失函数，用交替最小二乘法法ALS对损失函数进行迭代；对损失函数求导置零，然后求出矩阵A、B、C、S和M的迭代函数；

S4、矩阵A、B和C通过S3中的迭代后，通过矩阵A,B,C的外积来还原张量X，即补全张量X的缺失值；计算出迭代的RMSE和MAE，RMSE和MAE的数值越小说明预测结果越好，RMSE和MAE的数值越小说明预测数值与实际数值相差越小；

S5、判断S4中求得的RMSE是否满足设定的收敛条件或判断迭代次数是否满足设定的收敛条件，若满足则循环结束，否则返回S3；

S6、针对不同的用户，依据补全的张量X中的元素，按照打分的从高到低的次序依次给用户推荐用户喜欢的车型。

S1的步骤为：

构造汽车打分张量X，汽车打分张量维度为I×J×K，I为用户个数，J为车型数量，K为评分标准个数；

构造汽车制造商与供应商关系矩阵E；矩阵E的两个维度分别是制造商和供应商。矩阵E的维度是U×V，其中U表示制造商个数，V表示供应商个数；矩阵中的值E_uv表示的是制造商u是否与供应商v存在供应关系；若等于1，则表示制造商u和供应商v之间存在供应关系。相反，若等于0，则不存在供应关系；