[发明专利]一种社会化推荐方法及装置

摘要

本发明实施例提供的一种社会化推荐方法及装置，可以接收异质信息网络中的第一用户发送的推荐请求；判断所述异质信息网络中是否存在所述第一用户未知的第一物品；如果是，根据第一预测模型，确定所述第一用户对每个所述第一物品的预测评分，其中，所述第一预测模型为：B'是用户相似性规则化项；并将预测评分不小于预设值的所述第一物品推荐给所述第一用户。由于第一预设模型中的用户相似性规则化项B'，对高相似性用户和低相似性用户均具有良好的约束性。因此，相比于现有技术中的基础社会化推荐算法SoMF，本发明提供的一种社会化推荐方法及装置，对第一用户未知的第一物品的预测评分更准确，使得推荐效果更好，更能满足用户的需求。

主权项

1.一种社会化推荐方法，其特征在于，所述方法包括：接收异质信息网络中的第一用户发送的推荐请求；判断所述异质信息网络中是否存在所述第一用户未知的第一物品；如果是，根据第一预测模型，确定所述第一用户对每个所述第一物品的预测评分；其中，所述第一预测模型为：其中，B'为用户相似性规则化项；m×n的矩阵R代表的是m个用户对n个物品的评分，R_ij表示用户i对物品j的评分；I_ij为指示函数，当用户i存在对物品j的打分行为时I_ij取1，否则I_ij取0；U和V是通过对R进行矩阵分解得到的两个低秩隐性特征矩阵，U∈R^m×f，V∈R^n×f，其中f＜＜min(m，n)为隐性特征矩阵的维数；U_i是用户对应的隐性特征矩阵U的第i行元素所形成的用户i的隐性特征向量；V_j是物品对应的隐性特征矩阵V的第j行元素所形成的物品j的隐性特征向量；S_U是基于元路径计算获得的用户相似度矩阵；S_U(i,j)是矩阵S_U中第i行第j列的元素，表示用户i与用户j的相似度；α为经验系数；γ为经验系数，用于控制函数的径向强度；λ₁是规则化系数，用于防止过拟合；|| ||²为弗罗宾尼斯范数；将预测评分不小于预设值的所述第一物品推荐给所述第一用户。